ATLAS: An Annotation Tool for Long-horizon Robotic Action Segmentation

📄 arXiv: 2604.26637v1 📥 PDF

作者: Sergej Stanovcic, Daniel Sliwowski, Dongheui Lee

分类: cs.RO, cs.AI

发布日期: 2026-04-29

备注: 7 pages, 2 figures, 2 tables

💡 一句话要点

ATLAS：用于长时程机器人动作分割的标注工具，支持多模态数据同步可视化。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱二：RL算法与架构 (RL & Architecture)

关键词: 机器人动作分割 数据标注工具 多模态数据 时间同步 机器人学习

📋 核心要点

  1. 现有机器人动作分割标注工具主要面向视觉数据，缺乏对机器人特有时间序列信号的同步可视化支持，且适配不同数据集格式困难。
  2. ATLAS工具通过时间同步可视化多模态机器人数据（包括视频和本体感受信号），支持动作边界、标签和任务结果的标注，简化标注流程。
  3. 实验表明，ATLAS相比ELAN减少了标注时间，并显著提高了时间对齐精度，降低了边界误差，尤其是在融合时序数据时。

📝 摘要（中文）

本文介绍了一种名为ATLAS的标注工具，专门用于长时程机器人动作分割。精确的时间动作边界标注对于训练和评估动作分割和操作策略学习方法至关重要。然而，现有的标注工具通常存在局限性：它们主要为视觉数据设计，不支持机器人特定时序信号（如夹爪状态或力/扭矩）的同步可视化，或者需要大量工作来适应不同的数据集格式。ATLAS提供了多模态机器人数据的时间同步可视化，包括多视角视频和本体感受信号，并支持动作边界、动作标签和任务结果的标注。该工具原生支持广泛使用的机器人数据集格式，如ROS bags和强化学习数据集（RLDS）格式，并直接支持REASSEMBLE等特定数据集。ATLAS可以通过模块化数据集抽象层轻松扩展到新的格式。其以键盘为中心的界面最大限度地减少了标注工作量并提高了效率。在接触丰富的装配任务实验中，与ELAN相比，ATLAS将每个动作的平均标注时间减少了至少6%，同时包含时序数据将与专家标注的时间对齐提高了2.8%以上，并将边界误差降低了五倍（与仅使用视觉的标注工具相比）。

🔬 方法详解

问题定义：论文旨在解决长时程机器人动作分割中，现有标注工具无法有效处理多模态机器人数据，特别是缺乏对机器人自身状态（如力/扭矩、夹爪状态）的时间同步可视化支持的问题。现有工具主要面向视觉数据，难以适应机器人领域常用的数据集格式，导致标注效率低下，标注精度受限。

核心思路：ATLAS的核心思路是提供一个统一的、模块化的标注平台，能够同时处理多视角视频和机器人本体感受数据，并以时间同步的方式进行可视化。通过键盘快捷键操作和模块化设计，提高标注效率，降低标注难度，并支持多种机器人数据集格式。

技术框架：ATLAS的整体框架包含以下几个主要模块：1) 数据加载模块：支持ROS bags、RLDS等多种机器人数据集格式，并提供模块化接口方便扩展到新的数据集格式。2) 数据同步与可视化模块：将多视角视频和机器人本体感受数据进行时间同步，并以直观的方式进行可视化展示。3) 标注模块：提供键盘快捷键操作，支持动作边界、动作标签和任务结果的标注。4) 数据导出模块：将标注结果导出为标准格式，方便后续的训练和评估。

关键创新：ATLAS的关键创新在于其对多模态机器人数据的原生支持和时间同步可视化能力。与传统的视觉标注工具相比，ATLAS能够充分利用机器人自身的传感器数据，提高标注的准确性和效率。此外，ATLAS的模块化设计使其易于扩展到新的数据集格式和应用场景。

关键设计：ATLAS的关键设计包括：1) 模块化的数据集抽象层，方便扩展到新的数据集格式。2) 基于键盘快捷键的标注界面，提高标注效率。3) 时间同步的可视化界面，方便用户同时观察多视角视频和机器人本体感受数据。4) 支持多种标注类型，包括动作边界、动作标签和任务结果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，ATLAS在接触丰富的装配任务中，相比ELAN，每个动作的平均标注时间减少了至少6%。同时，包含时序数据后，与专家标注的时间对齐提高了2.8%以上，与仅使用视觉的标注工具相比，边界误差降低了五倍，显著提升了标注效率和精度。

🎯 应用场景

ATLAS可广泛应用于机器人操作技能学习、动作分割、模仿学习等领域。通过高效、准确地标注机器人演示数据，可以提升相关算法的训练效果和泛化能力。该工具能够加速机器人智能化进程，推动机器人在工业自动化、服务机器人等领域的应用。

📄 摘要（原文）

Annotating long-horizon robotic demonstrations with precise temporal action boundaries is crucial for training and evaluating action segmentation and manipulation policy learning methods. Existing annotation tools, however, are often limited: they are designed primarily for vision-only data, do not natively support synchronized visualization of robot-specific time-series signals (e.g., gripper state or force/torque), or require substantial effort to adapt to different dataset formats. In this paper, we introduce ATLAS, an annotation tool tailored for long-horizon robotic action segmentation. ATLAS provides time-synchronized visualization of multi-modal robotic data, including multi-view video and proprioceptive signals, and supports annotation of action boundaries, action labels, and task outcomes. The tool natively handles widely used robotics dataset formats such as ROS bags and the Reinforcement Learning Dataset (RLDS) format, and provides direct support for specific datasets such as REASSEMBLE. ATLAS can be easily extended to new formats via a modular dataset abstraction layer. Its keyboard-centric interface minimizes annotation effort and improves efficiency. In experiments on a contact-rich assembly task, ATLAS reduced the average per-action annotation time by at least 6% compared to ELAN, while the inclusion of time-series data improved temporal alignment with expert annotations by more than 2.8% and decreased boundary error fivefold compared to vision-only annotation tools.