bimanual_blue_block_handover_24

这是一个机器人学数据集，包含30个剧集，共22486帧，1个任务，90个视频，所有数据被分为1个块，每个块包含1000帧。数据集提供了多种类型的特征，包括动作、观察状态、手腕左右摄像头和顶部RealSense摄像头的视频信息。数据集的帧率为30fps，使用的视频编解码器为av1。

原始信息汇总

数据集概述

基本信息

• 数据集名称: bimanual_blue_block_handover_24
• 许可证: Apache-2.0
• 任务类别: 机器人技术
• 创建工具: LeRobot

数据集规模

• 总任务数: 1
• 总片段数: 30
• 总帧数: 22486
• 总视频数: 90
• 数据块数: 1
• 数据块大小: 1000
• 帧率: 30 fps
• 训练集划分: 0:30

数据结构

数据文件格式

• 数据路径: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频路径: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征字段

动作特征 (action)

• 数据类型: float32
• 维度: [12]
• 关节位置:
  • 左肩平移位置
  • 左肩抬升位置
  • 左肘弯曲位置
  • 左腕弯曲位置
  • 左腕旋转位置
  • 左夹爪位置
  • 右肩平移位置
  • 右肩抬升位置
  • 右肘弯曲位置
  • 右腕弯曲位置
  • 右腕旋转位置
  • 右夹爪位置

观测状态 (observation.state)

• 数据类型: float32
• 维度: [12]
• 关节位置:
  • 左肩平移位置
  • 左肩抬升位置
  • 左肘弯曲位置
  • 左腕弯曲位置
  • 左腕旋转位置
  • 左夹爪位置
  • 右肩平移位置
  • 右肩抬升位置
  • 右肘弯曲位置
  • 右腕弯曲位置
  • 右腕旋转位置
  • 右夹爪位置

图像观测

右腕摄像头 (observation.images.wrist_right)

• 数据类型: 视频
• 分辨率: 480×640×3
• 视频编码: AV1
• 像素格式: yuv420p
• 非深度图

左腕摄像头 (observation.images.wrist_left)

• 数据类型: 视频
• 分辨率: 480×640×3
• 视频编码: AV1
• 像素格式: yuv420p
• 非深度图

顶部RealSense摄像头 (observation.images.realsense_top)

• 数据类型: 视频
• 分辨率: 480×640×3
• 视频编码: AV1
• 像素格式: yuv420p
• 非深度图

索引字段

• 时间戳: float32[1]
• 帧索引: int64[1]
• 片段索引: int64[1]
• 索引: int64[1]
• 任务索引: int64[1]

技术规格

• 代码库版本: v2.1
• 机器人类型: bi_so101_follower
• 所有视频均无音频

搜集汇总

数据集介绍

构建方式

在机器人操作研究领域，bimanual_blue_block_handover_24数据集通过LeRobot平台系统构建，记录了双手机器人执行物体传递任务的完整过程。该数据集包含30个独立情节，总计22486帧数据，以30帧每秒的速率采集，数据以分块形式存储于Parquet文件中，确保了高效的数据管理与访问。

使用方法

研究者可通过加载标准Parquet文件直接访问结构化数据，利用预定义的特征字段解析机器人动作轨迹与多视角视觉观测。数据按情节索引组织，支持帧级检索与连续序列分析，适用于模仿学习、行为克隆等算法训练，其分块存储设计亦便于分布式计算环境下的流式数据处理。

背景与挑战

背景概述

在机器人协作领域，双手机器人系统的协调操作一直是研究重点。bimanual_blue_block_handover_24数据集由LeRobot团队构建，专注于双手机器人间的物体传递任务。该数据集记录了30个完整交互场景，包含22486帧多视角视觉数据与12维关节控制指令，为研究双臂协同控制提供了真实世界的行为轨迹。其采用Apache 2.0开源协议，通过标准化数据格式推动机器人模仿学习的发展，成为评估双臂协调算法的重要基准。

当前挑战

该数据集致力于解决双手机器人物体传递中的动态协调难题，需克服双臂运动轨迹规划与抓握时序配合的复杂性。构建过程中面临多传感器数据同步的技术挑战，包括三路视觉传感器（左右腕部与顶部视角）的时空对齐问题。同时，高维连续动作空间（12自由度）的精确标注要求精密标定流程，而真实环境中物体形变与光照变化进一步增加了数据采集的难度。

常用场景

经典使用场景

在机器人协作操作领域，该数据集通过记录双手机器人交接蓝色积木的完整过程，为模仿学习算法提供了标准化的训练资源。其多视角视觉数据与精确的关节位置记录，使研究者能够系统分析双手协调运动的时序特征与空间轨迹规划，成为开发智能抓取策略的重要基准。

解决学术问题

该数据集有效解决了机器人操作中双手协同控制的建模难题，通过提供结构化动作序列与多模态观测数据，填补了复杂物体交接任务中动态交互建模的空白。其精确的时间戳与帧索引为研究动作分割与状态转移提供了关键支撑，推动了机器人技能学习的可复现性研究。

实际应用

在工业自动化场景中，该数据集支撑了装配线物料传递系统的优化，通过模拟真实世界的物体交接过程，助力开发适应动态环境的柔性抓取算法。其记录的腕部视角与顶部视角视频流，为物流分拣、精密装配等需要双手协作的工业场景提供了可靠的测试基准。

数据集最近研究

最新研究方向

在机器人协作领域，bimanual_blue_block_handover_24数据集聚焦于双手机器人交接任务的前沿探索。当前研究热点集中于多模态感知融合与动作预测模型的开发，通过整合视觉传感器数据（如手腕和顶部摄像头）与关节状态信息，提升机器人在动态环境中的交互能力。这一方向推动了人机协作安全性和效率的突破，对工业自动化和服务机器人发展具有深远影响。