dataset-conversion

用途：指导把多模态机器人数据集转换为分层的 Rerun 录制（.rrd），并整理为可注册进目录（catalog）的数据集。适用于数据集来源分散、格式各异、需要无损保留并方便查询与可视化的场景。\n\n主要能力：给出高层工作流——收集资料、获取样本、调研数据多样性、构建 base 层、转换校验、编写初始蓝图、按需富化、指导查看与注册。附带每阶段的 DO/DON'T，并约定术语：episode（源的自然录制单位）、recording id（同一 episode 各层共用）、layer（每 episode 一个 .rrd）、base layer（反映源、可独立使用）、segment（目录视角下的一个 episode）、property（按 episode 存储、目录中显示为列）、census（解码行数与源计数对比）、survey（先测量再写代码的阶段）。\n\n必要用法：按阶段阅读配套技能——建模前看 rerun-data-model，写转换代码前看 rerun-chunk-processing，按源格式看 rerun-mcap / rerun-parquet / rerun-lerobot / rerun-urdf / rerun-mp4，设计蓝图看 rerun-blueprint，注册与查询看 rerun-catalog-queries。流程要点：先向用户确认最大样本量并写带缓存与可选下载项的脚本，抽查多任务多会话样本；调研 FPS、图像尺寸格式、编解码、缺失主题、无效值、元数据一致性并产出 markdown 记录，暂停待用户审阅；设计映射时不要在转换代码里调用 to_chunks()，不要无理由 collect() 或把 struct 拆成逐字段 lens；用往返测试验证无损并对比源与 base 体积；蓝图迭代时检查查看器性能与标签正确性。注册相关命令与模板见 references/registering.md。\n\n限制：本技能只承载原则与决策点，不重复 Rerun 机制；转换项目自身约定应写在该项目文档中。是否拆分层无通用规则，需结合上述指引给出建议并由用户决定。未提供具体安装命令与版本信息。