在训练之前，先了解数据覆盖了什么。

为同一个房间、同一个动作增加更多标注，作用不大。每个维度单独追踪，因此一个维度上的缺口不会被另一个维度上的数据量掩盖。

地点与布局

不同的家庭、房间大小、收纳高度、户型和工作台面。

家电与机构

每个序列都记录实际的家电类型、开启机构和操作部件。

物体与负载

形状、尺寸、材质、重量和内容物，从混装的一堆衣物到装满的购物袋。

自然的初始状态

真实使用之后的真实家务：混放的餐具、有生活痕迹的房间、等待清洗的脏衣篮。

人员与视角

不同的采集者、伸手方式和工作高度，与地点分开追踪。

动作与结果

以自然节奏完成的完整状态变化：打开、清空、分类、放置、关闭和复位。

按脚本的演示让模型看到成功是什么样子。任何覆盖项目都可以加入两种采集模式，让模型看到成功前后发生的事情，并使用与交付其余部分相同的序列结果标签。

失败与恢复

操作员有意加入真实的失败：物体掉落、抓取落空、重新抓取、撤销某一步。随后他们完成恢复并把任务做完。这些序列会被标注而不是丢弃：每个序列都记录结果、失败类型以及恢复的开始和结束时间，并附有左手和右手各自的动作标签。

无脚本的长时程会话

采集者在真实的家庭和工作场所中，不按脚本完成包含多项任务的长时间会话，任务顺序由实际工作决定。采集结束后，由视觉语言模型对每段会话进行切分和标注：任务、带开始和结束时间的子任务、显示每项任务完成状态的目标帧，以及每一步的思维链。

采集需求说明针对模型的缺口，从目录中挑选单元。随后，覆盖报告逐个单元显示相对于需求说明交付了什么，并标出占比过高的家庭、采集者、家电或动作。