RecoverRSI-Dataset

# RecoverRSI-Dataset 用于机器人Policy及恢复能力研究的RoboDojo执行数据。最新完整版本见下文；原有 `releases/data60-ee16-train-v2/` 及其全部文件保留。 ## success133 v2：RGB无损训练数据与逐回合infos 本版本将 **133个宿主确认成功的原始回合**及其说明元数据整合为一个ZIP，包含 **30类任务、143个训练片段、64,273个同步帧**。v2新增整合后的`infos/`，原有数据内容与旧版本保留，未重跑实验。 ### 下载与校验 [下载完整ZIP](https://modelscope.cn/api/v1/datasets/xiaoyan/RecoverRSI-Dataset/repo?Revision=master&FilePath=releases%2Fsuccess133-ee16-rgb-lossless-train-v2%2Frecoverrsi-success133-ee16-rgb-lossless-train-v2.zip) [下载SHA256校验文件](https://modelscope.cn/api/v1/datasets/xiaoyan/RecoverRSI-Dataset/repo?Revision=master&FilePath=releases%2Fsuccess133-ee16-rgb-lossless-train-v2%2Frecoverrsi-success133-ee16-rgb-lossless-train-v2.zip.sha256) - 仓库路径：`releases/success133-ee16-rgb-lossless-train-v2/recoverrsi-success133-ee16-rgb-lossless-train-v2.zip` - 大小：40,239,657,871 bytes（约37.48 GiB）。 - SHA256：`8fe25f8a7946805bc283bf8e4fb6b0f9bf72b27bc5ae4c262a686355f30929c7` ZIP共2,192个文件，CRC/SHA256检查通过；其中2,179个原有文件与来源数据包的SHA256一致，infos映射检查通过。 ### 数据内容 `dataset/`采用LeRobot v3格式，包含三路 **640×480 RGB、25 fps** 视频、EE16动作、观测状态、时间戳、任务指令和索引。视频由原始RGB PNG使用 **libx264rgb、CRF0**生成，解码格式为`h264/gbrp`，已验证RGB逐像素无损；不是对旧有损视频重新转码。 训练视图对action四元数进行单位化，并选择与同帧观测state一致的半球；观测state和XYZ/gripper值不变。原capture边界以及state或最终action的四元数连续性边界会产生额外分段，因此 **143段不等于143场实验**。原始EE/joint动作、归一前动作及joint→EE的FK来源记录保留在`provenance/`；FK标签表示请求joint目标的投影，不等同于已验证真实执行等价。 整场失败或未知回合未纳入本成功集；成功回合内部的失败尝试、纠正动作、Coding错误和各控制阶段记录仍保留。成功不代表每一帧动作都是最优模仿标签。 ### 成功路径与修复口径 | 互斥分类 | 原始回合数 | 判定含义 | | --- | ---: | --- | | `policy_only` | 69 | 无接管动作和接管决定，由Policy完成；仍可能包含Agent监控 | | `repair_probe_policy` | 20 | 真实局部修复→宿主确认完整short+continuation Probe→接受handback→Policy最终成功；最后交回后无新接管 | | `repair_terminal` | 3 | 局部修复动作直接达到宿主成功，无须再经过Probe | | `finish_terminal` | 41 | 宿主接受FINISH准入，实际finish动作成功终结 | 其中 **18个FINISH成功回合此前也发生过有效handback**，已计入41个FINISH回合，不重复计入局部修复最终成功。共有39场存在有效handback，合计51条交回链，一场可多次修复。 分类依据宿主已应用决定、真实动作ACK、Probe确认及原生成功终止证据，不能仅凭`repair`帧数大于0判定“修复成功”。它描述实际执行路径，不证明修复的因果贡献；Agent的`progress/preserved/repair_complete`判断与宿主执行事实分别保留。 ### infos如何使用 - `infos/episodes.csv`：一行一个原始回合，用于按task、seed、batch和成功路径筛选。 - `infos/episodes.jsonl`：逐源身份、attempt、动作来源、控制权时间段、Probe/handback与终止证据、耗时/token及`training_segments`映射。 - `infos/repair_success_episodes.csv`：上述20个Policy交回成功及3个修复直接成功回合。 - `infos/finish_success_episodes.csv`：41个FINISH成功回合。 - `infos/tasks.csv`、`infos/summary.json`：按任务与整体汇总。 133个source与143个训练片段完整对应；`training_segments.episode_index`关联LeRobot训练索引，`from_index/to_index`为全局帧半开区间。证据路径相对数据包解压根目录，指向保留的`provenance/`，不依赖服务器路径。infos中的v1包名称/SHA若出现，表示分析来源包，不是本v2 ZIP的校验值。 ### 使用边界与验证 数据来自 **data60的43个Test成功回合**和 **PG168的90个Playground成功回合**。PG168选取了历史不同attempt中的成功记录，不能据此计算首试成功率。Playground/Test表示原始采集阶段；当前数据全部分配到train，**不是独立held-out Test或官方评测成绩**。后续划分训练/验证集须将同task+seed的所有片段、batch和attempt放在同一组，避免泄漏。 来源数据已通过官方 **LeRobot 0.4.4/PyAV reader、CPU H32动作窗口与padding、逐任务DataLoader batch**验证；无损视频完成RGB/PTS检查，原始标签与来源、训练分段及ZIP完整性亦有验证记录。**尚未运行实际VPP2训练，也未验证训练收益。** v2仅整合数据说明，保留原数据与旧包。 ### 旧版本 旧版 data60 EE16 训练集继续保留在 `releases/data60-ee16-train-v2/`。本次更新前的首页说明保存在新发布目录的 `README_PREVIOUS.md`，仓库历史提交亦保持。上游来源与许可见各包中的 `SOURCE_UPSTREAM_NOTICE.md`。