Tianqin_A2_container_storage_graphics_card

Tianqin_A2_container_storage_graphics_card数据集是基于LeRobot格式扩展的，完全兼容LeRobot。数据集使用Tianqin_A2机器人，代码库版本为v2.1，末端执行器类型为双指抓手。场景类型包括家庭场景，原子动作包括抓取、放置和拾取。数据集包含280个总剧集，277206个总帧，840个总视频，1个总任务，1个总块，块大小为1000，FPS为30，数据集大小为12.0GB。数据集包括丰富的注释，如子任务分割、场景描述、末端执行器方向、速度、加速度、抓手模式、抓手活动状态、末端执行器模拟位姿、抓手开启比例等。数据集分为训练集，包含0到279个剧集。数据集结构遵循LeRobot格式，包含视频、状态数据、动作数据、元数据等文件。数据集提供了详细的特征模式，包括视觉观察、状态和动作、时间信息、注释、运动特征、抓手特征等。数据集目录结构清晰，便于使用。数据集遵循Apache-2.0许可证发布。

The Tianqin_A2_container_storage_graphics_card dataset is extended based on the LeRobot format and is fully compatible with LeRobot. It utilizes the Tianqin_A2 robot, with a codebase version of v2.1 and a two-finger gripper as the end-effector type. The scenario types include home environments, and the primitive actions consist of grasping, placing, and picking up. The dataset contains a total of 280 episodes, 277,206 frames, 840 videos, 1 overall task, 1 overall chunk, with a chunk size of 1000, a frame rate (FPS) of 30, and a total dataset size of 12.0 GB. The dataset includes rich annotations such as subtask segmentation, scene descriptions, end-effector orientation, velocity, acceleration, gripper mode, gripper active status, simulated end-effector pose, gripper opening ratio, and more. The dataset is split into a training set which includes episodes ranging from 0 to 279. The dataset structure follows the LeRobot format, containing files such as videos, state data, action data, and metadata. The dataset provides detailed feature modalities including visual observations, states and actions, temporal information, annotations, motion features, gripper features, and more. The dataset has a clear directory structure for ease of use. The dataset is released under the Apache-2.0 license.

原始信息汇总

Tianqin_A2_container_storage_graphics_card 数据集概述

📋 基本信息

• 数据集名称：Tianqin_A2_container_storage_graphics_card
• 许可证：apache-2.0
• 支持语言：英语、中文
• 任务类别：机器人技术
• 标签：RoboCOIN、LeRobot
• 帧数范围：100K-1M

🤖 机器人配置

• 机器人类型：Tianqin_A2
• 代码库版本：v2.1
• 末端执行器类型：two_finger_gripper

🏠 场景类型

• 家庭环境（home）

🎯 任务描述

主要任务

从盒子中取出显卡，移除包装，放入黑色容器中

子任务

1. 异常状态
2. 结束状态
3. 抓取袋子
4. 抬起袋子
5. 空状态
6. 放下袋子
7. 将硬盘放入硬盘盒
8. 从袋子中取出硬盘

📊 数据集统计

指标	数值
总片段数	280
总帧数	277206
总任务数	1
总视频数	840
总分块数	1
分块大小	1000
帧率	30 FPS
数据集大小	12.0GB

🎥 视觉数据

• 摄像头数量：3个
• 摄像头视角：
  • 高位RGB摄像头
  • 左手腕RGB摄像头
  • 右手腕RGB摄像头
• 视频规格：
  • 分辨率：480×640
  • 帧率：30 FPS
  • 编码格式：av1

🏷️ 可用标注

子任务标注

• 细粒度子任务分割和标注

场景标注

• 语义场景分类和描述

末端执行器标注

• 运动方向分类
• 速度大小分类
• 加速度大小分类

夹爪标注

• 夹爪模式（开/关状态）
• 夹爪活动状态（活动/非活动）

附加特征

• 末端执行器仿真位姿（6D位姿信息）
• 夹爪开合尺度（连续测量值）

📂 数据结构

文件组织

• 数据文件路径：data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频文件路径：videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征架构

• 视觉观测：3个RGB视频流
• 状态数据：17维浮点数组（关节位置、夹爪状态）
• 动作数据：17维浮点数组（关节控制、夹爪控制）
• 时间信息：时间戳、帧索引、片段索引
• 运动特征：末端执行器位姿、方向、速度、加速度
• 夹爪特征：开合尺度、模式、活动状态

📁 数据划分

• 训练集：片段0-279

👥 作者信息

• 贡献者：RoboCOIN团队
• 主页：https://flagopen.github.io/RoboCOIN/
• 论文：https://arxiv.org/abs/2511.17441
• 代码库：https://github.com/FlagOpen/RoboCOIN
• 问题反馈：https://github.com/FlagOpen/RoboCOIN/issues

📄 引用信息

如需在研究中使用此数据集，请引用： bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu et al.}, journal={arXiv preprint arXiv:2511.17441}, url={https://arxiv.org/abs/2511.17441}, year={2025} }

📌 版本信息

• 初始版本：v1.0.0（2025年11月）

搜集汇总

数据集介绍

构建方式

在机器人操作数据采集领域，Tianqin_A2_container_storage_graphics_card数据集通过Tianqin_A2双指夹爪机器人系统构建，记录了从包装盒中取出显卡并放置于黑色容器的完整操作流程。该数据集采用LeRobot扩展格式，包含280个操作片段、277,206帧数据，通过三路高清摄像头以30帧率同步采集视觉观测，并整合了关节状态、动作指令及多层次语义标注。数据以分块形式组织，每个数据块包含1000个操作片段，确保了大规模机器人操作数据的高效存储与访问。

特点

该数据集在机器人操作学习领域展现出多模态融合的显著特征，集成了三视角视觉观测（高位、左右腕部摄像头）、17维关节状态与动作空间，以及精细化的操作语义标注。其独特之处在于提供了端到端的操作轨迹数据，包含末端执行器的6D位姿、运动方向、速度加速度分类，以及夹爪开合状态与活动模式等多维度运动特征。丰富的子任务标注体系覆盖了抓取、放置等原子操作，为复杂操作策略的层次化学习提供了结构化支持。

使用方法

针对机器人模仿学习与策略研究，该数据集可通过LeRobot框架直接加载使用。研究者可基于标准数据路径访问parquet格式的状态-动作序列与MP4格式的多视角视频流，利用预定义的特征维度解析关节控制参数与视觉观测。训练时可按操作片段索引调用数据，结合子任务标注实现分段策略学习，末端执行器运动特征则支持精细化的动作分析与轨迹生成。数据集兼容主流机器人学习库，支持从行为克隆到强化学习等多种算法验证。

背景与挑战

背景概述

机器人操作数据集作为推动智能系统发展的重要基石，在家庭环境精细操作任务中具有关键价值。Tianqin_A2_container_storage_graphics_card数据集由RoboCOIN团队于2025年构建，依托LeRobot框架扩展格式，专注于双指夹爪机器人在家庭场景下的物体转移任务。该数据集通过280个任务片段、27万余帧多视角视频数据，系统记录了显卡拆装流程中的抓取、放置等原子动作，其丰富的末端执行器运动轨迹与夹爪状态标注为双手机器人协同操作研究提供了重要实验基础。

当前挑战

在精细物体操作领域，双手机器人需克服动态环境感知与精确力控协调的难题。该数据集构建过程中面临多模态数据同步的技术挑战，包括三路高清视频流与17维关节状态的时序对齐，以及末端执行器六维位姿的精确标定。数据标注环节需解决复杂动作的细粒度分割问题，特别是在处理包装袋抓取、硬盘安置等连续操作时，如何保持标注一致性与动作边界清晰度成为关键难点。

常用场景

经典使用场景

在机器人操作学习领域，该数据集通过记录天琴A2双臂机器人在家庭环境中执行显卡拆装任务的全过程，为模仿学习与行为克隆算法提供了标准化的训练基准。其多视角视觉观测与精细的动作轨迹标注，使研究者能够系统分析抓取、放置等基础操作的运动规划策略。

实际应用

在工业自动化场景中，该数据集支撑了精密电子元件装配流程的智能化升级。基于真实操作数据训练的模型可应用于电子产品生产线，实现显卡等精密部件的自动拆装与包装，显著提升生产效率和操作安全性。

衍生相关工作

该数据集催生了多项基于LeRobot框架的衍生研究，包括结合强化学习的自适应抓取策略、多视角视觉特征融合方法等创新工作。这些研究进一步推动了机器人操作技能迁移、跨领域适应等方向的技术发展。