office-rover-grasp-hd-v21
收藏资源简介：
这是一个面向单个SO-101机械臂的LeRobot v2.1数据集，任务为“拿起红色/绿色方块并将其放入盒子中”，两个方块均位于桌面上。包含两个语言条件任务（指令为俄语）。该数据集专为在单块24 GB RTX 4090上微调NVIDIA Isaac GR00T N1.7而设计，相关配方、补丁和1800次评估尝试见GitHub仓库。数据集仅基于仿真：使用MuJoCo和来自mujoco_menagerie的官方SO-101模型。演示由脚本化操作器（逆运动学）生成，而非人类遥操作。方块位置在12×30厘米区域内随机分布；成功与否由物理引擎判定（指定的方块在盒子内，另一个方块未被触碰）。策略从未见过方块坐标。未模拟真实光照、眩光、摩擦和伺服反向间隙，仿真到现实的差距未经测量。可直接加载：`LeRobotDataset("VShirokun/office-rover-grasp-hd-v21")`。数据集包含600个片段，103570帧（30fps），两个摄像头（前视和腕部，分辨率480×640），状态/动作为6个关节（5个自由度+夹爪），绝对目标，2个任务。许可证：CC BY 4.0。
This is a LeRobot v2.1 dataset for a single SO-101 robotic arm with the task pick up the red/green cube and place it in the box, both cubes are on the table. It contains two language-conditioned tasks (instructions in Russian). The dataset is designed for fine-tuning NVIDIA Isaac GR00T N1.7 on a single 24 GB RTX 4090, with related recipes, patches, and 1800 evaluation attempts available in the GitHub repository. The dataset is purely simulation-based: using MuJoCo and the official SO-101 model from mujoco_menagerie. Demonstrations are generated by a scripted operator (inverse kinematics), not human teleoperation. Cube positions are randomly distributed within a 12×30 cm area; success is determined by the physics engine (the specified cube is inside the box, the other cube is untouched). The policy never sees cube coordinates. Real-world lighting, glare, friction, and servo backlash are not simulated, and the sim-to-real gap is not measured. Can be loaded directly: `LeRobotDataset("VShirokun/office-rover-grasp-hd-v21")`. The dataset contains 600 episodes, 103570 frames (30fps), two cameras (front view and wrist, resolution 480×640), state/action for 6 joints (5 DOF + gripper), absolute goals, 2 tasks. License: CC BY 4.0.
数据集概述：office-rover-grasp-hd-v21
office-rover-grasp-hd-v21 是一个面向单机械臂操作任务的仿真机器人数据集，基于 MuJoCo 物理引擎构建，专门用于 LeRobot v2.1 框架的模型微调，并特别适配 NVIDIA Isaac GR00T N1.7 的微调流程。数据集任务为语言条件抓取与放置操作，指令使用俄语，目标物体为红/绿立方体。
核心内容
- 任务类型：语言条件式“抓取-放置”操作（pick-and-place），包含两个具体任务（分别对应红色和绿色立方体）。
- 仿真环境：使用 MuJoCo 仿真环境，并采用
mujoco_menagerie中的官方 SO-101 机械臂模型。 - 数据生成方式：演示数据由脚本化操作器（通过逆运动学）生成，并非人类遥操作产生。
- 任务难度：立方体在 12×30 cm 的区域内随机放置；任务成功与否通过物理仿真判定（立方体需被放入盒子且另一立方体保持不动）。策略不获取立方体的坐标信息。
数据规模与技术规格
| 项目 | 详情 |
|---|---|
| 演示片段数 | 600 个 |
| 总帧数 | 103,570 帧（30 fps） |
| 相机配置 | 两个摄像头：front 和 wrist，分辨率均为 480×640 |
| 状态/动作空间 | 6 个关节（5 个自由度 + 1 个夹爪），绝对目标值 |
| 任务数量 | 2 个（颜色区分） |
| 许可协议 | CC BY 4.0 |
设计意图与用途
该数据集专注于无立方体旋转的抓取中心演示，属于基础技能数据集。它是达到 92.17% 成功率记录的另一半混合数据；将其重新混入训练（即复习机制）可防止微调过程中的灾难性遗忘。
重要声明与局限性
- 数据仅来自 仿真环境，不包含真实场景中的光照、眩光、摩擦和伺服回程间隙等因素。
- 仿真到现实的迁移差距尚未经过测量，使用时需对此保持谨慎。
- 数据集兼容 LeRobot，可通过
LeRobotDataset("VShirokun/office-rover-grasp-hd-v21")直接加载。 - 该数据集由 LeRobot v3.0 格式通过上游转换脚本
convert_v3_to_v2.py转换而来。
附加参考
该数据集构建的详细配方、补丁以及 1800 次评估尝试的相关方案，可在对应 GitHub 仓库（https://github.com/VShirokun/gr00t-on-4090）中查阅。引用本数据集时，请引用上述仓库。
