make_a_drink_mix_0109

该数据集是由LeRobot创建的机器人领域数据集，包含60个episodes和229377帧数据。数据集记录了双机械臂（bi_so101_follower）的动作和状态信息，包括12个关节的位置数据（左右肩、肘、腕和抓手的各个自由度）。同时包含顶部、左右三个视角的480x640 RGB视频观测数据（30fps）。数据以parquet格式存储，总大小约300MB（数据文件100MB，视频文件200MB）。所有数据被分成1000帧大小的chunks存储，且仅包含训练集划分。

原始信息汇总

数据集概述

基本信息

• 数据集名称： make_a_drink_mix_0109
• 创建工具： LeRobot (https://github.com/huggingface/lerobot)
• 许可协议： Apache-2.0
• 任务类别： 机器人学
• 标签： LeRobot

数据集规模与结构

• 总情节数： 60
• 总帧数： 229,377
• 总任务数： 1
• 数据块大小： 1000
• 数据文件总大小： 100 MB
• 视频文件总大小： 200 MB
• 帧率： 30 FPS
• 数据分割： 全部数据（第0至60个情节）用于训练
• 代码库版本： v3.0
• 机器人类型： bi_so101_follower

数据文件路径

• 数据文件路径模式： data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
• 视频文件路径模式： videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

数据特征

动作特征 (action)

• 数据类型： float32
• 形状： [12]
• 描述： 包含左右机械臂各关节的位置指令。
  • left_shoulder_pan.pos
  • left_shoulder_lift.pos
  • left_elbow_flex.pos
  • left_wrist_flex.pos
  • left_wrist_roll.pos
  • left_gripper.pos
  • right_shoulder_pan.pos
  • right_shoulder_lift.pos
  • right_elbow_flex.pos
  • right_wrist_flex.pos
  • right_wrist_roll.pos
  • right_gripper.pos

状态观测特征 (observation.state)

• 数据类型： float32
• 形状： [12]
• 描述： 包含左右机械臂各关节的位置状态，名称与动作特征相同。

图像观测特征

包含三个视角的彩色视频数据，具体参数如下：

• 通用参数：

  • 数据类型： video
  • 形状： [480, 640, 3] (高度，宽度，通道)
  • 视频高度： 480
  • 视频宽度： 640
  • 视频编解码器： av1
  • 像素格式： yuv420p
  • 帧率： 30 FPS
  • 通道数： 3
  • 是否为深度图： false
  • 是否包含音频： false

• 具体视角：

  • observation.images.top (顶部视角)
  • observation.images.right (右侧视角)
  • observation.images.left (左侧视角)

索引与时间特征

• timestamp (时间戳)： float32 类型，形状 [1]
• frame_index (帧索引)： int64 类型，形状 [1]
• episode_index (情节索引)： int64 类型，形状 [1]
• index (索引)： int64 类型，形状 [1]
• task_index (任务索引)： int64 类型，形状 [1]

引用信息

• 主页： [More Information Needed]
• 论文： [More Information Needed]
• BibTeX 引用格式： [More Information Needed]

搜集汇总

数据集介绍

构建方式

在机器人操作领域，数据集的构建往往依赖于真实世界的物理交互记录。本数据集通过LeRobot平台，利用双臂机器人bi_so101_follower采集了调制饮品的操作过程。数据采集涵盖了60个完整任务片段，总计229,377帧图像，以30帧每秒的速率录制了多视角视频，并同步记录了机器人12个关节的位置状态。原始数据经过结构化处理，存储为Parquet格式，便于高效访问与分析。

特点

该数据集在机器人学习领域展现出显著的多模态特性，不仅包含顶部、左侧与右侧三个视角的高清视频流，还精确记录了双臂机器人的关节位置数据。数据以分块形式组织，每块包含1000帧，确保了存储与读取的效率。所有视频均采用AV1编码，分辨率统一为640x480，色彩通道为三通道RGB格式，为模型训练提供了丰富的视觉与状态信息。

使用方法

研究人员可利用该数据集进行机器人模仿学习或强化学习算法的开发。数据加载可通过HuggingFace数据集库实现，依据提供的路径模板访问Parquet文件。训练时，可结合观察图像与关节状态作为输入，动作数据作为监督信号，构建端到端的控制策略。由于数据已预先划分为训练集，用户可直接用于模型训练与验证，推动机器人操作技能的自动化学习。

背景与挑战

背景概述

在机器人学领域，模仿学习与强化学习的研究依赖于高质量、大规模的真实世界交互数据集。make_a_drink_mix_0109数据集由LeRobot项目团队创建，旨在为双臂机器人执行复杂操作任务提供数据支持。该数据集聚焦于饮料调制这一具体场景，通过记录机器人关节状态、多视角视觉观测及动作序列，为机器人策略学习与泛化能力的研究奠定了数据基础。其构建体现了当前机器人学向开放世界、多模态感知与控制一体化发展的趋势，对推动家庭服务机器人等应用具有潜在影响力。

当前挑战

该数据集致力于解决机器人操作任务中的模仿学习与策略泛化挑战，核心问题在于如何让机器人从有限演示中学习并适应动态真实环境。构建过程中的挑战包括：采集高质量、同步的多模态数据（如多视角视频与精确关节状态）的技术复杂性；确保数据在长时间序列中的一致性与完整性；以及处理高维连续动作空间与视觉观测的融合表示。此外，数据规模相对有限，可能制约模型在未见场景下的鲁棒性表现。

常用场景

经典使用场景

在机器人学习领域，make_a_drink_mix_0109数据集为双机械臂操作任务提供了丰富的多模态数据资源。该数据集通过记录机械臂调制饮品的完整过程，包含关节位置、视觉图像和时间戳等信息，常被用于训练和评估模仿学习与强化学习算法。研究者利用其结构化的动作序列和观测数据，能够模拟复杂操作场景，推动机器人自主执行精细任务的能力发展。

实际应用

在实际应用中，make_a_drink_mix_0109数据集可直接服务于家庭服务机器人与工业自动化系统。基于该数据训练的模型能够指导机械臂完成饮品调制等日常任务，提升机器人在非结构化环境中的适应性和可靠性。这为智能助理机器人的开发提供了关键技术支撑，有望推动服务机器人进入更广泛的生活与生产领域。

衍生相关工作

围绕该数据集，衍生出多项经典研究工作，主要集中在视觉运动策略学习与跨模态表示学习方向。例如，基于其多视角视频和动作序列，研究者开发了高效的模仿学习架构，用于生成平滑的机械臂轨迹。同时，该数据也促进了机器人数据增强技术和仿真到真实迁移方法的发展，为后续大规模机器人数据集构建奠定了方法论基础。