lekiwi1

该数据集是一个机器人技术相关的数据集，包含了机器人执行任务时的动作、状态、图像等信息。数据集由LeRobot工具创建，具体描述信息不详。

原始信息汇总

数据集概述

基本信息

• 许可证: Apache-2.0
• 任务类别: 机器人技术
• 标签: LeRobot
• 创建工具: LeRobot (https://github.com/huggingface/lerobot)

数据集结构

规模统计

• 总情节数: 5
• 总帧数: 2416
• 总任务数: 1
• 数据块大小: 1000
• 数据文件大小: 100 MB
• 视频文件大小: 500 MB
• 帧率: 30 fps
• 训练集划分: 0:5

数据特征

动作特征

• 数据类型: float32
• 形状: [9]
• 特征名称:
  • arm_shoulder_pan.pos
  • arm_shoulder_lift.pos
  • arm_elbow_flex.pos
  • arm_wrist_flex.pos
  • arm_wrist_roll.pos
  • arm_gripper.pos
  • x.vel
  • y.vel
  • theta.vel

观测状态特征

• 数据类型: float32
• 形状: [9]
• 特征名称: 与动作特征相同

图像观测特征

前视摄像头:

• 数据类型: 视频
• 形状: [480, 640, 3]
• 视频规格:
  • 高度: 480
  • 宽度: 640
  • 通道数: 3
  • 编解码器: av1
  • 像素格式: yuv420p
  • 非深度图
  • 帧率: 30 fps
  • 无音频

腕部摄像头:

• 数据类型: 视频
• 形状: [640, 480, 3]
• 视频规格:
  • 高度: 640
  • 宽度: 480
  • 通道数: 3
  • 编解码器: av1
  • 像素格式: yuv420p
  • 非深度图
  • 帧率: 30 fps
  • 无音频

索引特征

• 时间戳: float32, 形状[1]
• 帧索引: int64, 形状[1]
• 情节索引: int64, 形状[1]
• 索引: int64, 形状[1]
• 任务索引: int64, 形状[1]

文件路径格式

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

技术信息

• 代码库版本: v3.0
• 机器人类型: lekiwi_client

搜集汇总

数据集介绍

构建方式

在机器人技术领域，lekiwi1数据集通过LeRobot框架精心构建，采用模块化数据采集策略。该数据集包含5个完整任务片段，总计2416帧数据，以30帧每秒的速率记录机器人操作过程。数据以分块形式存储于Parquet文件中，每个数据块容量为1000帧，确保了高效的数据管理与访问效率。

特点

该数据集展现出多模态融合的显著特征，同步记录机械臂关节位置、末端执行器速度等9维动作向量，以及前视与腕部双视角视觉信息。数据维度设计严谨，动作与状态观测均采用float32精度，视觉数据则通过AV1编码存储，形成时空对齐的多源感知序列，为机器人模仿学习提供丰富语义信息。

使用方法

研究者可通过标准数据加载接口直接读取Parquet格式的观测与动作序列，利用帧索引与时间戳实现精确数据对齐。训练时可依据分块结构进行流式读取，视频数据支持按关键帧解码，有效降低内存占用。该数据集专为机器人策略学习算法设计，支持端到端的感知-动作映射模型训练。

背景与挑战

背景概述

在机器人技术领域，模仿学习作为实现智能行为决策的关键范式，lekiwi1数据集应运而生。该数据集由LeRobot开源框架构建，专为机器人操作任务设计，包含多模态观测数据与对应动作指令。数据集采用Apache 2.0许可协议，其结构涵盖机械臂关节状态、末端执行器运动参数及双视角视觉信息，通过2416帧连续数据记录5个完整任务执行序列，为机器人策略学习提供真实环境下的交互轨迹。

当前挑战

该数据集致力于解决机器人模仿学习中的动作泛化难题，其核心挑战在于跨场景的动作策略迁移。数据构建过程中面临多传感器时序对齐的复杂性，需同步处理30Hz视觉流与9维动作空间的精确匹配。同时，机械臂运动轨迹与视觉观测的异构数据融合，对数据管线的实时性与存储效率提出严格要求，而有限的任务多样性也制约着策略模型的泛化能力发展。

常用场景

经典使用场景

在机器人学习领域，lekiwi1数据集作为LeRobot框架生成的真实世界交互数据，其经典应用场景集中于机械臂控制策略的离线训练与验证。该数据集通过整合多模态观测信息与精确动作序列，为模仿学习与强化学习算法提供了丰富的训练样本，尤其在关节空间轨迹规划与视觉伺服控制等任务中展现出重要价值。

实际应用

在工业自动化与智能服务机器人场景中，lekiwi1数据集支撑了抓取操作、精细装配等实际任务的算法开发。基于该数据集训练的模型可实现对机械臂运动轨迹的精确建模，其前视与腕部视觉传感器数据为复杂环境下的物体定位与操作提供了可靠的感知基础，有力促进了自适应控制系统的工程落地。

衍生相关工作

围绕该数据集衍生的经典研究主要集中在分层强化学习架构与跨模态表示学习方向。诸多工作通过挖掘数据集中动作序列与视觉观测的时空关联性，开发出基于时空注意力的策略网络，这些成果不仅提升了机械臂操作的泛化能力，更为后续大规模机器人数据集构建范式确立了重要参考标准。