遇见数据集

cr5pickblock

收藏
Hugging Face2026-01-26 更新2026-01-26 收录
官方服务:

资源简介:

该数据集包含从Dobot CR3机械臂记录的远程操作演示,并使用标准的any4lerobot转换器转换为LeRobot v2.0格式。数据集包括52个演示片段,总计12018帧,帧率为30FPS。数据格式为LeRobot v2.0,包含机器人的末端执行器6D位姿(x, y, z, rx, ry, rz)和RGB摄像头视图。动作空间为7D向量,包括目标6D位姿和夹爪开合度(0-1000)。

This dataset comprises teleoperation demonstrations recorded from a Dobot CR3 robotic arm, which are converted to the LeRobot v2.0 format using the standard any4lerobot converter. It includes 52 demonstration segments, totaling 12,018 frames at a frame rate of 30 FPS. The dataset follows the LeRobot v2.0 format, containing the 6D pose (x, y, z, rx, ry, rz) of the robot's end-effector and RGB camera views. The action space is a 7-dimensional vector, encompassing the target 6D pose and the gripper opening degree (0-1000).

提供机构:
leng234
创建时间:
2026-01-26
原始信息汇总

数据集概述

数据集基本信息

  • 数据集名称: dobot/teleop_dataset
  • 许可协议: mit
  • 任务类别: robotics
  • 标签: LeRobot, Dobot, teleoperation
  • 数据格式版本: LeRobot v2.0

数据集描述

该数据集包含从 Dobot CR3 机械臂记录的机器人遥操作演示数据,并使用标准的 any4lerobot 转换器转换为 LeRobot v2.0 格式。

数据集统计

  • 机器人型号: dobot_cr3
  • 总演示片段数: 52
  • 总帧数: 12018
  • 帧率: 30 FPS

数据结构

数据集文件组织如下:

dataset/ ├── data/ │ └── chunk-000/ # Parquet 文件(每个演示片段一个文件) │ ├── episode_000000.parquet │ ├── episode_000001.parquet │ └── ... ├── videos/ │ └── observation.images.top/ # 摄像头视图 │ └── chunk-000/ # MP4 视频文件(每个演示片段一个视频) │ ├── episode_000000.mp4 │ ├── episode_000001.mp4 │ └── ... └── meta/ # 元数据文件 ├── info.json # 数据集信息和模式 ├── stats.json # 统计数据(最小值/最大值/平均值/标准差) ├── episodes.jsonl # 每个演示片段的元数据 └── tasks.jsonl # 任务描述

观测空间

  • observation.state: 机器人末端执行器的 6D 位姿 (x, y, z, rx, ry, rz),单位分别为毫米和度。
  • observation.images.top: RGB 摄像头视图(VideoFrame 格式)。

动作空间

  • action: 7维向量 (x, y, z, rx, ry, rz, gripper_opening)。
    • 前6个维度:目标 6D 位姿。
    • 最后一个维度:夹爪开合度 (0-1000)。

使用方法

与 LeRobot 库一起使用

python from lerobot.common.datasets.lerobot_dataset import LeRobotDataset dataset = LeRobotDataset("dobot/teleop_dataset")

与 Hugging Face Datasets 一起使用

python import pyarrow.parquet as pq episode_0 = pq.read_table(".../data/chunk-000/episode_000000.parquet")

引用

bibtex @dataset{dobot_teleop_52_episodes, title = {Dobot Teleoperation Dataset}, author = {Your Name}, year = {2026}, howpublished = {url{dobot/teleop_dataset}}, }

参考资源

  • LeRobot: https://github.com/huggingface/lerobot
  • any4lerobot: https://github.com/Tavish9/any4lerobot
搜集汇总
数据集介绍
cr5pickblock 数据集图片
构建方式
在机器人遥操作研究领域,高质量演示数据集是训练智能体模仿学习能力的关键基石。cr5pickblock数据集基于Dobot CR3六轴协作机器人平台,通过遥操作方式系统采集了52个有效演示片段,总计12018帧操作数据,以30帧/秒的稳定频率记录。原始数据经由标准化的any4lerobot转换工具,统一转化为LeRobot v2.0格式,确保数据结构的规范性与跨平台兼容性。数据集按照分块存储策略组织,每个演示片段独立存放为Parquet文件,同时保留对应的顶部摄像头RGB视频流,形成多模态观测记录。元数据层则完整收录了数据集的统计信息、任务描述及每段演示的详细属性,为后续分析与复现提供了坚实依据。
使用方法
该数据集的使用方式充分体现了现代机器人学习工具链的便捷性。通过LeRobot库,研究者可直接调用LeRobotDataset接口加载完整数据集,以字典形式快速访问观测状态、视觉图像、动作指令及帧索引等核心字段,每一帧数据均以PyTorch张量格式返回,便于直接输入神经网络进行训练。对于偏好原生数据处理的工作流,数据集亦支持通过PyArrow库直接读取Parquet文件,将单段演示数据转化为Pandas DataFrame进行灵活探索与预处理。此外,元数据目录下的info.json与tasks.json文件提供了数据集模式与任务描述的结构化信息,辅助用户快速理解数据语义,实现高效的定制化调用与分析。
背景与挑战
背景概述
在机器人学习领域,遥操作数据集的构建是推动技能模仿与泛化研究的关键基石。cr5pickblock数据集由研究团队于2026年创建,基于Dobot CR3六轴协作机械臂平台,通过遥操作方式采集了52个演示回合、共计12018帧的抓取与放置操作数据。该数据集以LeRobot v2.0标准化格式存储,包含末端执行器六维位姿与夹爪开合度的动作空间,以及顶部RGB视觉观测信息,为机器人操作学习提供了高质量的专家示范。其研究核心在于解决从人类演示中学习精细操作策略的领域问题,尤其针对小样本条件下的物体抓取任务,为迁移学习与行为克隆算法提供了可复用的基准数据资源,在协作机器人技能获取领域具有重要的推动价值。
当前挑战
该数据集面临的挑战主要源于其有限的数据规模与任务特定性。首先,在领域问题层面,仅52个演示回合难以覆盖真实工业场景中多样的物体形状、材质与光照条件,导致基于该数据集训练的模型泛化能力受限,易对特定配置过拟合。其次,构建过程中,遥操作采集的位姿精度受操作员熟练度与机械臂运动学标定误差影响,夹爪开合度数值(0-1000)与真实抓取力之间的映射关系未明确建模,可能造成策略执行中的物理交互失败。此外,顶部单视角摄像头存在遮挡盲区,无法捕捉深度信息,限制了模型对三维空间堆叠物体的理解,制约了复杂装配任务的迁移应用。
常用场景
经典使用场景
cr5pickblock数据集专为机器人遥操作演示学习而设计,广泛应用于模仿学习与行为克隆领域。研究者利用该数据集中Dobot CR3机械臂的52段遥操作轨迹,包括末端执行器6D位姿与夹爪开合状态,结合顶部RGB视觉观测,构建端到端的策略网络。其经典使用方式是通过LeRobot框架加载状态-动作对,训练模型从视觉输入直接映射到机械臂控制指令,实现诸如抓取与放置等精细操作任务的复现与泛化。
解决学术问题
该数据集有效解决了机器人学习领域数据稀缺与异构性难题,为研究小样本模仿学习策略提供了标准化基准。它帮助学者探究遥操作演示中的动作噪声对策略鲁棒性的影响,以及视觉-运动协同表征的跨场景泛化能力。通过提供统一的LeRobot v2.0格式,数据集降低了复现门槛,推动了从传统运动规划向数据驱动控制范式转变的学术进程,成为验证新型算法在真实机器人上迁移效果的关键测试平台。
实际应用
在实际工业场景中,cr5pickblock数据集可支撑柔性制造单元的快速部署,例如通过遥操作演示让机器人学会电子元件分拣、医疗耗材拾取等重复性高精度操作。数据集中的夹爪控制信号与视觉信息,可被用于训练自适应抓取系统,减少人工示教成本。此外,该数据集的视频与状态序列还能辅助开发远程运维中的故障诊断模型,通过对比演示轨迹与实时执行偏差,提升自动化产线的安全性与可靠性。
数据集最近研究
最新研究方向
在机器人学习与灵巧操作领域,cr5pickblock数据集聚焦于基于遥操作演示的机器人技能习得,尤其关注协作型机械臂在精细抓取与放置任务中的行为克隆与模仿学习。该数据集收录了Dobot CR3机械臂在52个示范回合中超过12000帧的高频运动与视觉数据,涵盖末端执行器六维位姿与顶部RGB图像,为研究多模态感知-动作联合建模提供了规范化基准。当前前沿方向包括利用LeRobot v2.0格式与Parquet序列化框架构建大规模、可复现的机器人操作数据库,以支撑基于Transformer的决策模型或扩散策略的训练与评估。该数据集的出现呼应了工业界对低成本、易部署的遥操作数据采集系统的需求,推动了从仿真环境到真实机器人平台的无缝迁移学习,对提升机器人自主操作能力及人机协作效率具有重要影响。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务