glass_uncap_comp_mapped

该数据集由LeRobot项目创建，用于机器人技术领域，适用于机器人学习任务（如模仿学习或强化学习）。数据集包含12个独立的情节（episodes），总计4944帧，对应一个总任务。数据以.parquet文件格式存储，并包含关联的.mp4视频文件，总大小约300MB。核心特征包括：三个摄像头视角的视频观察（右腕摄像头180x320像素、左腕摄像头180x320像素、极角摄像头224x224像素，均为彩色3通道，AV1编码，15fps）；机器人状态观察包含7个关节（lbr_A1至lbr_A7）的位置信息；动作包含相应7个关节的速度指令。此外还包括时间戳、帧索引、情节索引、全局索引和任务索引等元数据。许可证为Apache 2.0。This dataset is created by the LeRobot project for robotics learning tasks such as imitation learning or reinforcement learning. It consists of 12 independent episodes with a total of 4944 frames for one overarching task. The data is stored in .parquet files along with associated .mp4 video files, totaling approximately 300 MB. Key features include: video observations from three camera views (right wrist camera at 180x320, left wrist camera at 180x320, polar angle camera at 224x224, all color 3-channel, AV1 encoded, 15 fps); robot state observations with positions of 7 joints (lbr_A1 to lbr_A7); actions with velocity commands for the corresponding 7 joints. Metadata includes timestamp, frame_index, episode_index, index, and task_index. License: Apache 2.0.

原始信息汇总

数据集概述

• 名称: muacha/glass_uncap_comp_mapped
• 许可证: Apache-2.0
• 任务类别: 机器人学 (robotics)
• 标签: LeRobot
• 创建工具: 使用 LeRobot 创建

数据集结构

• 代码库版本: v3.0
• 帧率 (FPS): 15
• 总集数 (Episodes): 22
• 总帧数 (Frames): 8738
• 总任务数 (Tasks): 2
• 数据文件大小: 100 MB
• 视频文件大小: 200 MB

数据特征

该数据集包含以下特征：

• 观测图像 (Observation Images):

  • observation.images.wrist_right: 视频，尺寸 180x320x3，编码 AV1，帧率 15 FPS
  • observation.images.wrist_left: 视频，尺寸 180x320x3，编码 AV1，帧率 15 FPS
  • observation.images.polar_angles_000: 视频，尺寸 224x224x3，编码 AV1，帧率 15 FPS

• 时间戳 (Timestamp): float32 类型，形状 [1]

• 帧索引 (Frame Index): int64 类型，形状 [1]

• 集索引 (Episode Index): int64 类型，形状 [1]

• 全局索引 (Index): int64 类型，形状 [1]

• 任务索引 (Task Index): int64 类型，形状 [1]

• 观测状态 (Observation State): float32 类型，形状 [7]，包含 7 个关节位置 (lbr_A1.position 至 lbr_A7.position)

• 动作 (Action): float32 类型，形状 [7]，包含 7 个关节速度 (lbr_A1.velocity 至 lbr_A7.velocity)

数据划分

• 训练集 (train): 包含 22 个集 (索引 0 至 21)

文件路径

• 数据路径: data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
• 视频路径: videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4
• 元信息文件: meta/info.json

引用信息

当前引用信息为 [More Information Needed]。

搜集汇总

数据集介绍

构建方式

该数据集依托LeRobot框架构建，专注于机器人操作任务，具体围绕玻璃瓶开盖与部件对接的精细操作场景。数据采集过程中，通过双腕部相机（wrist_right与wrist_left）及一个极角相机（polar_angles_000）同步捕捉多视角视觉信息，同时记录机器人七自由度关节位置与速度指令。所有数据以parquet格式存储，并采用分块结构组织，每块包含1000帧，总计22个episodes、8738帧，涵盖了两种不同任务，确保了任务多样性与样本丰富性。

使用方法

该数据集通过LeRobot工具链可直接加载与可视化，用户可通过HuggingFace Spaces上的可视化界面浏览样本。使用时可利用LeRobot的Dataset类加载parquet文件与配套视频，依据episode_index和task_index筛选特定任务序列。建议将数据按序列切分，以observation.state作为输入，action作为监督信号，训练策略网络。同时，借助多视角图像可构建视觉-运动联合模型，实现从像素到关节速度的端到端映射，适用于机器人操作技能的学习与迁移。

背景与挑战

背景概述

glass_uncap_comp_mapped数据集由Hugging Face的LeRobot框架创建，专注于机器人操作任务中的精确抓取与开盖动作。该数据集由muacha团队基于真实机械臂平台（如LBR iiwa）采集，其核心研究问题在于如何利用多视角视觉输入与关节状态信息，实现细粒度的机器人灵巧操作。通过记录22个完整回合、8738帧数据，涵盖两个特定任务，该数据集为模仿学习与强化学习研究提供了标准化的多模态训练样本。作为机器人学习领域的开源基准，它推动了从高维视觉到低层控制的端到端策略学习，尤其在精密装配和医疗操作等场景中具有重要参考价值，成为连接仿真与真实机器人操作的桥梁。

当前挑战

该数据集所解决的领域核心挑战在于机器人精细操作任务中因物件状态变化与接触动力学复杂性导致的策略泛化困难。具体而言，玻璃瓶开盖操作涉及非刚性物体形变、螺纹对位精度以及力反馈控制的耦合问题，传统模型难以从有限回合中提取鲁棒的闭环策略。在构建过程中，挑战主要包括：多相机（左右手腕及极角视角）视频流的时间同步与压缩编码（AV1格式）带来的数据完整性维护；7自由度关节位置与速度信号的噪声处理；以及仅含两个任务、22回合的小样本规模对模型过拟合倾向的制约。此外，低帧率（15 FPS）与低分辨率（如320×180）硬件限制进一步增加了从视觉特征中复原精细动作信息的难度。

常用场景

经典使用场景

在机器人操作领域，glass_uncap_comp_mapped数据集聚焦于精细的灵巧操作任务，其经典使用场景是训练机器人完成玻璃瓶开盖与合盖的操作。该数据集通过LeRobot框架收集，包含了左右腕部摄像头以及外部视角的视觉观测信息，同时记录了机器人七自由度关节的位置状态与速度指令。研究者可利用这些多模态数据，训练深度模仿学习或强化学习模型，使机器人能够从演示中学习如何精确抓握瓶盖、施加适当的旋转力矩以完成旋开或旋紧动作，从而实现对易碎物品的安全、稳定操作。

解决学术问题

该数据集为解决机器人领域中的接触性操作与柔顺控制难题提供了关键支持。在学术研究中，玻璃瓶开盖任务要求机器人同时处理刚性物体接触、非刚性力交互以及高精度轨迹跟踪问题，传统基于模型的方法往往难以适应这类复杂场景。glass_uncap_comp_mapped通过提供高质量的人类演示数据，使得研究者能够探索行为克隆、逆强化学习等数据驱动范式在接触密集型任务上的有效性。其意义在于推动机器人从实验室的简单抓取迈向真实世界的精密装配、医疗手术等场景，为建立鲁棒的通用操作技能提供了标准化评估基准。

实际应用

在实际应用中，该数据集所对应的开盖操作技能可迁移至多个工业化与生活化场景。例如，在药品生产线中，机器人可依据学习到的策略自动旋开无菌药瓶的密封盖，提升生产效率并避免人工污染；在食品包装环节，机器人能够完成调料瓶或饮料瓶的封装与开启，满足柔性产线的快速换型需求。此外，该技术还支持服务机器人完成日常家务中的瓶罐操作，如厨房中为老人或行动不便者打开瓶装调料，极大拓展了机器人在人机协作环境中的实用性与自主服务水平。

数据集最近研究

最新研究方向

该数据集聚焦于机器人精细操作领域的前沿探索，特别是通过多视角视觉与关节状态融合来实现玻璃瓶开盖这一高精度任务。基于LeRobot框架构建的22个演示片段，结合双腕部相机与极角相机提供的多模态视觉输入，以及KUKA LBR iiwa机器人七轴位置与速度数据，为模仿学习与行为克隆算法提供了珍贵训练资源。这一研究方向紧密关联当前机器人灵巧操作的热点挑战——在非结构化环境中自主完成接触力敏感且容错空间极小的装配动作。该数据集的公开不仅加速了工业场景中柔性抓取与精密操控的算法迭代，更推动了机器人从单一任务执行向多模态感知与运动协同的范式跃迁，为下一代自主服务机器人奠定了数据基石。