LIBERO-X

LIBERO-X数据集是一个用于机器人技术领域的数据集，已被RSS 2026（机器人：科学与系统）接受。该数据集通过LeRobot创建，包含2,520个演示、600个任务和100个场景，确保在各种场景下的广泛泛化能力。主要特点包括：1）多任务场景设计：每个场景平均有6个不同的任务，比原始LIBERO数据集的2.6个任务有显著增加，支持更复杂和真实的多目标学习；2）属性条件操作：动作明确基于细粒度对象属性（如大小、颜色、纹理）而不仅仅是广泛类别；3）空间关系推理：任务不仅需要目标定位，还需要理解和推理对象之间的空间关系（如左/右、前/后、近/远）；4）人类演示收集：所有轨迹都是通过Meta Quest 3的VR远程操作由人类收集的。数据集结构包括图像、手腕图像、状态、动作等多种特征，数据以parquet格式存储。

原始信息汇总

数据集概述：LIBERO-X

• 名称：LIBERO-X
• 发布机构：美团（Meituan）
• 论文：arXiv:2602.06556
• 主页：https://meituan.github.io/LIBERO-X/
• 许可证：CC-BY-4.0
• 任务类别：机器人学（Robotics）
• 创建工具：基于 LeRobot（commit 12f5263）构建
• 学术认可：已被 RSS 2026（Robotics: Science and Systems）正式接收

数据集规模

指标	数值
演示总数	2,520
任务总数	600
场景总数	100
总帧数	889,277
数据分块数	3
帧率 (FPS)	10
机器人类型	Panda（Franka Emika）

核心特性

1. 多任务场景设计：每个场景平均包含6个不同的任务（原始LIBERO数据集平均为2.6个），支持更复杂的多目标学习。
2. 属性条件操控（Attribute-Conditioned Manipulation）：动作显式地依赖于物体的细粒度属性（如大小、颜色、纹理），而非仅依赖宽泛类别。
3. 空间关系推理（Spatial Relationship Reasoning）：任务超越目标定位，需理解并推理物体之间的空间关系（如左/右、前/后、近/远）。
4. 人类演示采集：全部轨迹通过Meta Quest 3进行VR遥操作由人类采集完成。

数据结构

• 数据路径：data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频路径：videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4（视频数量为0）
• 训练/测试划分：全部2520个episode用于训练（train: "0:2520"）

特征说明

特征名	数据类型	形状	说明
image	图像	(256, 256, 3)	主摄像头图像
wrist_image	图像	(256, 256, 3)	腕部摄像头图像
state	float32	(8,)	机器人状态（8维）
actions	float32	(7,)	动作（7维）
timestamp	float32	(1,)	时间戳
frame_index	int64	(1,)	帧索引
episode_index	int64	(1,)	轨迹索引
index	int64	(1,)	全局索引
task_index	int64	(1,)	任务索引

引用格式

bibtex @article{wang2026libero, title={LIBERO-X: Robustness Litmus for Vision-Language-Action Models}, author={Wang, Guodong and Zhang, Chenkai and Liu, Qingjie and Zhang, Jinjin and Cai, Jiancheng and Liu, Junjie and Liu, Xinmin}, journal={arXiv preprint arXiv:2602.06556}, year={2026} }

搜集汇总

背景与挑战

背景概述

LIBERO-X是一个机器人技术数据集，包含2520个人类演示、600个任务和100个场景，支持多任务场景设计（平均每场景6个任务）、属性条件操作（基于对象大小、颜色、纹理等细粒度属性）以及空间关系推理。所有轨迹通过Meta Quest 3的VR远程操作由人类收集，旨在提升机器人在复杂真实场景中的泛化能力。