blue-block-so101_20260718_132913

该数据集是一个机器人操作数据集，使用LeRobot工具创建，包含50条完整的操作序列（episodes），总计27958个数据帧，对应一个特定的任务。数据以分块的Parquet文件格式存储，总数据量约为100 MB，关联的视频文件大小约为200 MB。数据集的核心内容包括：1) 动作：一个6维浮点向量，表示机器人各关节（肩部平移、肩部升降、肘部弯曲、腕部弯曲、腕部旋转、夹爪）的位置指令；2) 观测：包含机器人自身的6维关节位置状态，以及来自两个摄像头的视觉信息——一个腕部摄像头和一个前置摄像头，两个摄像头均以30 FPS的帧率录制，生成480x640分辨率的三通道（RGB）视频；3) 元数据：包括时间戳、帧索引、episode索引、全局索引和任务索引，用于标识数据在序列中的时序和逻辑位置。数据集专门用于训练和评估机器人模仿学习或强化学习模型，适用于需要结合关节状态和多视角视觉输入进行决策的机器人操作任务。所有数据均被标记为训练集，机器人平台类型为so_follower。

原始信息汇总

数据集概述

• 名称: blue-block-so101_20260718_132913
• 提供者: IndiaTechTeamSL2
• 许可协议: Apache-2.0
• 任务类别: 机器人学 (robotics)
• 创建工具: 使用 LeRobot 创建

数据集结构

• 数据格式: 包含 Parquet 数据文件和 MP4 视频文件。
• 帧率 (FPS): 30
• 总集数 (Episodes): 50
• 总帧数 (Frames): 27,958
• 总任务数 (Tasks): 1
• 数据集大小:
  • 数据文件: 100 MB
  • 视频文件: 200 MB
• 数据路径: data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
• 视频路径: videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4
• 机器人类型: so_follower
• 数据集划分: 仅提供训练集 (train)，使用第 0 至 49 个 episode。

特征描述

数据集包含以下特征：

特征名称	数据类型	形状	说明
action	float32	(6,)	机器人关节动作：肩部旋转、肩部升降、肘部弯曲、腕部弯曲、腕部旋转、夹爪位置
observation.state	float32	(6,)	机器人关节状态（同动作空间）
observation.images.wrist	视频	(480, 640, 3)	腕部摄像头图像，AV1 编码，30 FPS
observation.images.front	视频	(480, 640, 3)	前部摄像头图像，AV1 编码，30 FPS
timestamp	float32	(1,)	时间戳
frame_index	int64	(1,)	帧索引
episode_index	int64	(1,)	集数索引
index	int64	(1,)	全局索引
task_index	int64	(1,)	任务索引

引用信息

• 主页: [More Information Needed]
• 论文: [More Information Needed]
• BibTeX: [More Information Needed]

搜集汇总

数据集介绍

构建方式

blue-block-so101_20260718_132913 数据集是基于 LeRobot 框架构建的机器人操作数据集，旨在为模仿学习与机器人控制研究提供高质量的训练样本。该数据集通过记录 SO-5 系列机械臂在真实环境中的操作轨迹，采集了 50 个完整 episode，共计 27,958 帧数据，涵盖从夹取到放置蓝色方块的标准任务。数据以 Parquet 格式存储，并辅以 AV1 编码的前置与腕部摄像头视频流（480×640 分辨率、30 FPS），通过分块索引（chunk）组织，便于大规模分布式加载与回放。

特点

该数据集的核心特色在于其结构化且多维度的观测空间。它同步记录了六维关节动作指令（shoulder_pan、shoulder_lift、elbow_flex、wrist_flex、wrist_roll、gripper）与对应的本体状态，并融合了两路视觉输入（front 与 wrist cameras），为策略模型提供了从感知到控制的完整闭环信息。数据以 30 Hz 的高频采样，确保了时间序列的细粒度，同时采用 AV1 视频编解码在保持画质的同时压缩存储体积（视频文件约 200 MB），兼顾了科研可用性与存储效率。

使用方法

用户可通过 LeRobot 库便捷地加载和可视化本数据集。使用 `from lerobot.common.datasets.lerobot_dataset import LeRobotDataset` 导入后，调用 `dataset = LeRobotDataset('IndiaTechTeamSL2/blue-block-so101_20260718_132913')` 即可按 episode 或帧索引访问数据。数据集提供了预定义的训练分割（前 50 个 episodes），适合直接用于行为克隆、扩散策略等模仿学习算法的训练与评估。此外，用户还可利用 Hugging Face 提供的在线可视化空间交互式浏览视频片段与动作序列，降低数据探索门槛。

背景与挑战

背景概述

该数据集由IndiaTechTeamSL2团队基于LeRobot框架创建，于2026年7月18日构建，专注于机器人操作领域。核心研究问题在于通过模仿学习实现机械臂的精确操控，特别是对蓝色方块（blue block）的抓取与放置任务。数据集包含50个演示片段，总计27,958帧图像，采集频率为30帧每秒，涵盖六自由度机械臂（so_follower）的关节位置与夹爪状态，同时提供手腕和前方视角的视觉观测（480×640像素）。作为机器人学习领域的重要资源，该数据集为基于视觉的运动策略训练提供了高质量的多模态示范，有望推动技能迁移与泛化能力的研究。

当前挑战

该数据集所应对的核心领域挑战在于从人类演示中学习复杂机械臂操作策略，尤其是在高维动作空间和视觉观测耦合条件下实现精准执行。具体而言，任务要求模型同时处理六个关节的连续控制信号，并融合来自两个视角的视觉信息以应对环境变化。在构建过程中，挑战包括确保演示动作的一致性与无偏性，避免人为抖动对策略学习的干扰；同时需平衡数据采集效率与存储成本（总计约300MB），并解决视频编码参数（如AV1码率控制）对观测质量的潜在影响。此外，仅单任务、50个片段的有限规模对模型泛化能力提出了严峻考验。

常用场景

经典使用场景

在机器人学习领域，blue-block-so101_20260718_132913数据集为模仿学习与行为克隆提供了高质量的基准资源。该数据集记录了机械臂在操作蓝色方块这一精细任务中的完整运动轨迹，包含50个演示片段，总计超过2.7万帧的高频观测数据。每一帧都同步采集了六自由度关节状态、末端执行器位姿以及多视角视觉图像，使得研究者能够借助此数据集训练机器人从人类示范中精准复现抓取与放置动作。其结构化的时序信息与多模态感知特征，尤其适用于开发基于视觉-运动耦合的策略学习模型，为复现机器人灵巧操作奠定了数据基础。

衍生相关工作

围绕这一数据集的特性，学术界已衍生出多项经典研究工作。基于其提供的时序动作序列，学者们开发了集成注意力机制与变分推断的模型，致力于提升多步骤操作任务的规划精度。此外，结合对比学习框架的自监督预训练方法也借此数据集进行验证，尝试在少量标注数据条件下仍实现优异的策略泛化性能。另一部分工作聚焦于利用其多视角图像信息，构建新颖的视觉处理管线以增强模型对光照与遮挡的容忍度。这些衍生研究不仅凸显了blue-block-so101在机器人学习评估中的基准地位，也持续推动着从数据驱动到技能涌现的学术演进。

数据集最近研究

最新研究方向

该数据集聚焦于机器人模仿学习的前沿方向，通过记录SO-100系列机械臂在操控任务中的关节状态、末端执行器动作及多视角视觉观测（腕部与前方摄像头），为基于视觉-运动联合策略的机器人技能习得提供了高质量训练样本。结合LeRobot框架，该数据集的发布顺应了开源机器人数据社区对标准化、可复现演示数据的需求，尤其在高频30fps的视觉-动作映射对齐方面具有突出价值。其蕴含的50个完整任务轨迹，有望推动双臂协作、灵巧抓取等复杂操作任务在真实世界中的泛化研究，为机器人从示范中自主习得细腻控制策略奠定关键数据基础。