机器人数据集溯源记录：用PROV与DCAT描述生成过程

在机器人技术资料整理与系统运维中，一个经常被忽略的问题是：当某个坐标记录、仿真回放结果或托管节点状态被保存下来之后，别人如何知道它是谁、在什么时间、通过哪一步活动生成的。如果缺少生成过程的描述，数据就只是一串没有上下文的字节。本文面向机器人实操场景，给出一套可复现的记录方法，把“谁负责、用了什么输入、观察到了什么、出现了哪些例外”写成结构化的溯源描述，并借助两个 W3C 规范来组织语义：PROV 数据模型用于表达实体、活动与责任关系，参见 PROV Model Primer；DCAT 词汇表用于描述数据集与数据服务在目录中的发布方式，参见 Data Catalog Vocabulary (DCAT) - Version 3。

先定义要记录的实体：从传感器帧到结果文件

机器人系统里可被当作“实体”的东西很多：一张激光雷达扫描帧、一个关节角度采样、一次坐标变换输出、一个回放日志文件。PROV 把这类对象称为 entity，它是被生成、被使用、被衍生的东西。实操中第一步不是写代码，而是列出本次要留痕的实体清单。例如一次移动底盘定位实验，实体包括原始里程计消息、IMU 读数、经过滤波后的位姿估计，以及最终写入磁盘的轨迹文件。每一个实体都应给出标识、内容类型与创建时间。若你已经在站内整理过坐标数据的基础概念，可参考 机器人坐标记录入门 中关于参考系的说明，因为实体语义往往依赖参考系才能被正确理解。

描述活动：把软件步骤写成可复现的过程

仅有实体还不够，必须说明实体是怎么来的。PROV 用 activity 表示消耗实体、产出实体的过程。在机器人实操里，活动可以是“运行一次 ROS 2 节点回调批处理”“执行一次从仿真时钟到回放时钟的对齐”“调用一次坐标变换链”。记录活动时要写清输入是什么、调用了哪个执行单元、输出落到哪里。对于回调没有被按预期执行这类情况，活动描述应与执行器、回调组绑定，相关排查方法见 ROS 2 回调组与执行器排查。活动记录还需要包含起止时间；若使用仿真或回放时钟，应注明时间来源，避免把墙钟时间与仿真时间混淆——这一点在 仿真与回放时钟不一致排查 中已有专门讨论。

记录输入与观察：把参数和环境写进日志

可复现的核心是输入与观察可被还原。输入包括命令行参数、话题名、QoS 设置、所使用的 bag 文件路径。以 QoS 为例，如果消息发出去但订阅端没收到，往往与可靠性、历史深度等语义有关，因此活动记录里应保留当时的 QoS 配置摘要，而不是只写“订阅失败”。观察结果则包括节点退出码、回调触发次数、磁盘写入字节数、轨迹点数量。建议在每次活动结束后立即写一条观察记录，字段包含：活动 ID、观察项名称、数值、单位、采集方式。不要省略“零值”或“空结果”，因为空结果本身也是重要观察，例如某次滤波输出点数为 0，可能意味着上游完全没有输入帧到达。

处理例外：区分已知偏差与真实故障

机器人现场很少完全按计划运行，因此例外必须被显式记录。例外分为两类：一类是预期内的偏差，例如仿真环境下没有真实 IMU，用虚拟驱动代替；另一类是异常，例如活动在中途抛出未捕获错误、时间跳变超过阈值、坐标跳变超出合理范围。对预期内偏差，应在活动记录里标注“替代输入”与责任人批准说明；对异常，则需要写入错误码、堆栈摘要、发生时间、影响到的实体。PROV 允许通过 derivation 与 revision 表达某个实体是从另一个实体修正而来，因此当一次失败活动被修复并重新生成结果时，新实体应链接到旧实体，并说明修订原因。这样后续读者能知道当前文件不是首次产物，而是修正版。

责任人记录方法：用 agent 与 role 绑定人和角色

PROV 中的 agent 用来表示对活动负责的人、组织或软件代理，role 则细化其在活动中的角色。实操中不要只写“某人运行了脚本”，而要区分：脚本作者、当次执行操作员、结果审核人、负责发布数据集的人。对自动化流程，执行守护进程本身也是一个 agent，但应同时记录其背后的人类负责人，例如“夜间批处理由 scheduler-agent 触发，人类负责人为测试工程师 A”。责任人记录建议采用单独的责任人表，字段为：活动 ID、agent 标识、role 名称、联系方式或工号、记录写入时间。这样当数据集被质疑时，可以逐层追问到具体角色，而不是模糊地归为“系统产生的”。

用 DCAT 组织发布：让数据集可被检索和聚合

当上述溯源记录累积成多个轨迹数据集、日志数据集或标定结果集后，需要一种方式让它们可被发现和跨目录聚合。DCAT 提供 RDF 词汇，用于描述数据目录中的 dataset 与 data service。对每个机器人数据集，可用 DCAT 记录其标题、发布时间、更新频率、负责组织、分发格式与校验信息。DCAT 3 支持版本化属性，因此当某条轨迹文件因活动修订而产生新版本时，可用版本关系连接新旧数据集，而保留旧版本的溯源描述不被破坏。发布时还应说明该数据集对应的活动与实体清单来源，使目录使用者既能看到“有什么数据”，也能顺着链接回到“数据怎么来的”这一 PROV 描述。这样，机器人技术资料就不是孤立文件，而是带上下文、可验证、可复现的工程资产。