task02_pickup_tubes_gist
收藏资源简介：
该数据集是GIST AI Lab收集的11个阶段实验室协议数据中的第二阶段，原始分布名称为“task2-pick-two-tubes-from-rack”。任务描述为：“用双手从架子上取出两个管子”。包含2,019个episodes和933,799帧，帧率为30 FPS，机器人类型为mobileai_robot，代码库版本为v3.0。摄像头包括：cam_high（高视角）、cam_left_wrist（左手腕）、cam_right_wrist（右手腕），分辨率为480x640x3，编码格式为h264。动作/观测状态为16维（Mobile AI：底座2维 + 左手7维 + 右手7维）。此外，还提供了一个labels.csv文件，包含episode_id、task_scenario、success和data_issue列，用于识别有效数据，建议仅使用success==1且无data_issue的episodes进行训练（共1,843个episodes）。
This dataset is the second stage (stage 2) of the 11-stage laboratory protocol data collected by GIST AI Lab, originally named "task2-pick-two-tubes-from-rack". The task description is: "Use both hands to pick two tubes from the rack." It contains 2,019 episodes and 933,799 frames at 30 FPS, robot type mobileai_robot, codebase version v3.0. Cameras include: cam_high (high view), cam_left_wrist (left wrist), cam_right_wrist (right wrist), resolution 480x640x3, encoding h264. Action/observation state is 16-dimensional (Mobile AI: base 2D + left hand 7D + right hand 7D). Additionally, a labels.csv file is provided with columns episode_id, task_scenario, success, and data_issue to identify valid data. It is recommended to use only episodes with success==1 and no data_issue for training (1,843 episodes).
数据集概述：task02_pickup_tubes_gist
基本信息
- 数据集名称：task02_pickup_tubes_gist
- 许可证：Apache 2.0
- 任务类别：机器人技术（Robotics）
- 标签：LeRobot、mobile-ai
- 数据集格式：Parquet 文件（
data/*/*.parquet）
任务描述
该数据集是 GIST AI 实验室采集的 11 阶段实验室协议数据中的第 2 阶段，任务为“用双手从架子上取出两根试管”。原始发布名称为 task2-pick-two-tubes-from-rack，此版本为按 kiroaiseoul 命名规范重新分发的副本。
数据规模
- 回合数（Episodes）：2,019
- 总帧数（Frames）：933,799
- 帧率（FPS）：30
- 机器人类型：mobileai_robot
- 代码库版本：v3.0
传感器与动作空间
- 相机：三个视角，分别为
cam_high、cam_left_wrist、cam_right_wrist，分辨率为 480×640×3，编码格式为 h264 - 动作/观测状态维度：16 维，包含 Mobile AI 机器人的底盘（2 维）+ 左臂（7 维）+ 右臂（7 维）
附加标签文件（labels.csv）
数据集中附带一个非 LeRobot 标准格式的标签文件 labels.csv，存放于仓库根目录，提供回合级别的标注信息。
标签统计
| 分类 | 回合数 |
|---|---|
| 全部回合 | 2,019 |
| 成功回合（success==1） | 2,019 |
| 存在数据问题的回合 | 176 |
| 推荐用于训练的回合（success==1 且无数据问题） | 1,843 |
数据问题说明
数据问题类型仅有一种：mobile_base_not_captured，即移动底盘状态被记录为固定值，导致底盘的 2 维数据无效。这类回合仅影响底盘相关的学习，若只使用机械臂动作则不受影响，但若将底盘纳入训练，则需要过滤这些数据。
推荐的过滤方式
数据集中提供了 Python 示例代码，使用 Pandas 对 labels.csv 进行过滤，挑选 success == 1 且无 data_issue 的回合，并将其对应的回合 ID 整理为列表以供后续使用。
