office-rover-2task-raw
收藏资源简介：
一个用于单臂SO-101机器人的LeRobot v2.1数据集，任务为“拾取红色/绿色立方体并放入盒子”，两个立方体在桌上。包含两个语言条件任务（指令为俄语）。专为在单张24 GB RTX 4090上微调NVIDIA Isaac GR00T N1.7而构建。数据集包含500个演示片段，共69000帧（30 fps），两个摄像头（前视和腕部，分辨率240×320），状态/动作为6个关节（5个关节+夹爪），绝对目标。任务在MuJoCo模拟器中生成，使用官方SO-101模型（来自mujoco_menagerie），演示由脚本操作员（逆运动学）生成，非人类遥操作。立方体位置在12×30 cm区域内随机，成功判断基于物理仿真（指定立方体在盒子中，另一立方体未被触碰）。策略看不到立方体坐标。未模拟真实光照、眩光、摩擦和伺服回差，仿真到现实的差距未测量。可直接通过LeRobotDataset("VShirokun/office-rover-2task-raw")加载。许可协议：CC BY 4.0。
A LeRobot v2.1 dataset for a single-arm SO-101 robot with the task pick up the red/green cube and put it in the box, with two cubes on the table. Contains two language-conditioned tasks (instructions in Russian). Built specifically for fine-tuning NVIDIA Isaac GR00T N1.7 on a single 24 GB RTX 4090. The dataset includes 500 demonstration episodes, totaling 69,000 frames (30 fps), two cameras (front view and wrist, resolution 240×320), state/action for 6 joints (5 joints + gripper), absolute targets. The task is generated in MuJoCo simulator using the official SO-101 model (from mujoco_menagerie), demonstrations are generated by a scripted operator (inverse kinematics), not human teleoperation. Cube positions are randomized within a 12×30 cm area, success is determined based on physics simulation (specified cube in the box, the other cube untouched). The policy does not see the cube coordinates. Real-world lighting, glare, friction, and servo backlash are not simulated; the sim-to-real gap is not measured. Can be loaded directly via LeRobotDataset("VShirokun/office-rover-2task-raw"). License: CC BY 4.0.
数据集概述：office-rover-2task-raw
该数据集是一个用于机器人操作任务（Robotics）的LeRobot v2.1格式数据集，专为单只SO-101机械臂设计，目标任务是语言条件下的抓取与放置操作。
核心任务
- 任务指令（俄语）：“拿起红色/绿色方块并放入盒子中”
- 两个语言条件任务，两个方块均置于桌面上
- 数据集专为在单张24 GB RTX 4090上微调NVIDIA Isaac GR00T N1.7模型而构建（相关配方及评估细节见GitHub仓库）
数据规模与技术规格
| 项目 | 规格 |
|---|---|
| 演示片段数（episodes） | 500 |
| 总帧数 | 69,000（30 fps） |
| 相机 | front（前视）、wrist（腕部），分辨率240×320 |
| 状态/动作 | 6关节（5个旋转关节+1个夹爪），绝对目标控制 |
| 任务数量 | 2 |
数据收集方式（重要声明）
- 仅仿真环境：基于MuJoCo物理引擎，使用
mujoco_menagerie中的官方SO-101模型 - 演示来源：由脚本化操作员（逆向运动学）生成，并非人工遥操作
- 方块位置在12×30 cm区域内随机分布，任务成功由物理引擎判定（目标方块在盒内且另一方块未被触碰）
- 策略模型在训练和评估中无法获取方块坐标信息
- 局限性：未模拟真实光照、眩光、摩擦及伺服回程差，仿真到现实的迁移差距未经验证
使用与许可
- 加载方式：
LeRobotDataset("VShirokun/office-rover-2task-raw") - 数据由LeRobot v3.0格式转换而来（使用上游
scripts/lerobot_conversion/convert_v3_to_v2.py脚本） - 许可证：CC BY 4.0
- 引用要求：请引用上述GitHub仓库
模型评估参考（原始数据）
- 在不做额外工程处理的前提下直接训练，GR00T N1.7达到386/600 = 64.33%（置信区间60.4–68.2）的成功率
- 对比参照：一个450M参数量的VLA模型在该数据上得分仅为0–6%
