R1_Lite_place_the_dress_shirt_on_the_hanger

这是一个基于LeRobot格式的扩展数据集，与LeRobot完全兼容。数据集使用R1_Lite型机器人，代码库版本为v2.1，末端执行器为双指抓取器。数据集涵盖家庭场景，包括抓取、拾取和放置等原子动作。数据集包含103个场景，120516帧，309个视频，数据大小为7.1GB。数据集提供丰富的标注，包括子任务分割、场景描述、末端执行器运动方向、速度、加速度、抓取器模式和活动状态等。数据集分为训练集和测试集，数据组织遵循LeRobot格式。

原始信息汇总

R1_Lite_place_the_dress_shirt_on_the_hanger 数据集概述

基本信息

• 数据集名称: R1_Lite_place_the_dress_shirt_on_the_hanger
• 许可证: Apache-2.0
• 支持语言: 英语、中文
• 任务类别: 机器人技术
• 标签: RoboCOIN, LeRobot
• 数据规模: 100K-1M帧范围

技术规格

• 机器人类型: R1_Lite
• 代码库版本: v2.1
• 末端执行器类型: 两指夹爪
• 帧率: 30 FPS
• 数据集大小: 7.1GB

场景与动作

场景类型

• 家庭环境

原子动作

• 抓取
• 拾取
• 放置

数据集统计

指标	数值
总情节数	103
总帧数	120,516
总任务数	1
总视频数	309
总分块数	1
分块大小	1000

任务描述

主要任务

将衬衫挂在衣架上，然后取出衣架放在床上

子任务

1. 异常
2. 将衬衫一侧挂在衣架上
3. 将衬衫另一侧挂在衣架上
4. 抬起衬衫和衣架
5. 空
6. 将衣架放在床上
7. 从衣服中取出衣架

数据特征

视觉观测

• 3个相机视角：高清摄像头、左手腕摄像头、右手腕摄像头
• 分辨率：720×1280
• 编码格式：AV1

状态与动作

• 观测状态：14维浮点数（关节角度和夹爪状态）
• 动作：14维浮点数（关节角度和夹爪控制）

注释信息

• 子任务注释
• 场景注释
• 末端执行器方向、速度、加速度
• 夹爪模式、活动状态、开合尺度
• 末端执行器仿真位姿

数据组织

文件结构

• 数据文件：Parquet格式
• 视频文件：MP4格式
• 分块组织：1个分块，每块1000个情节

数据划分

• 训练集：情节0-102

相关链接

• 主页: https://flagopen.github.io/RoboCOIN/
• 论文: https://arxiv.org/abs/2511.17441
• 代码库: https://github.com/FlagOpen/RoboCOIN
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

贡献者

• RoboCOIN团队

引用信息

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Runtian Xu, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang and Guocai Yao}, journal={arXiv preprint arXiv:2511.17441}, url = {https://arxiv.org/abs/2511.17441}, year={2025} }

搜集汇总

数据集介绍

构建方式

在机器人操作数据采集领域，该数据集采用R1_Lite双指抓取器机器人，通过103个完整操作序列系统记录衬衫悬挂任务。数据构建遵循LeRobot扩展格式，以30帧率同步采集三路视觉观测（高位、左右腕部摄像头）与14维关节状态数据，并通过分块存储机制将120,516帧动作序列整合为7.1GB标准化数据包。

使用方法

研究者可通过解析parquet格式的状态-动作序列文件，结合MP4格式的多视角视频流，重构机器人操作轨迹。数据集完全兼容LeRobot生态，支持直接加载训练端到端策略模型，其丰富的运动学标注特别适用于模仿学习、动作分割等算法验证。

背景与挑战

背景概述

在机器人操作领域，双手机器人系统因其能够模拟人类双手协作的复杂任务而备受关注。R1_Lite_place_the_dress_shirt_on_the_hanger数据集由RoboCOIN团队于2025年11月发布，作为RoboCOIN项目的一部分，专注于解决家庭环境中衣物整理的精细化操作问题。该数据集基于LeRobot框架构建，包含103个完整任务片段和超过12万帧数据，通过三视角视觉观测和丰富的动作标注，为双手机器人抓取、拾取与放置等原子动作的研究提供了重要支撑。其核心研究问题在于如何实现柔性物体的精确操控，推动了机器人模仿学习与强化学习在真实场景中的应用。

当前挑战

该数据集旨在解决双手机器人对柔性物体操作的领域挑战，包括衣物形变预测、多步骤任务规划以及双手协调控制等复杂问题。构建过程中面临数据采集的稳定性挑战，例如在动态环境中保持视觉追踪的连续性，以及标注高维动作空间的精确性。同时，处理大规模多模态数据（如视频流与关节状态同步）对存储与计算资源提出了较高要求，而模拟到真实世界的迁移差距也需要通过精细的传感器校准来弥合。

常用场景

经典使用场景

在家庭服务机器人研究领域，该数据集为衣物整理任务提供了标准化基准。通过记录双指夹爪机器人执行衬衫悬挂的完整流程，涵盖抓取、拾取、放置等基础操作序列，为模仿学习算法提供了密集的动作轨迹标注。多视角视觉观测与精细的末端执行器运动数据相结合，使研究者能够系统分析复杂物体操作的动态特性。

解决学术问题

该数据集有效解决了机器人操作中柔性物体控制的经典难题。通过提供结构化动作序列与多模态传感器数据，支持从轨迹规划到动态系统建模的多层次研究。其丰富的运动学标注为理解双手机器人协调机制提供实证基础，同时细粒度的任务分解有助于探索复杂操作任务的层次化表示方法。

实际应用

在智能家居场景中，该数据集支撑的服务机器人可自主完成衣物整理工作。基于真实环境采集的操作数据，能够训练机器人适应不同材质衬衫的抓取力度控制，提升家庭场景下的精细化操作能力。这种技术延伸至物流分拣、康复辅助等领域，推动非结构化环境中的机器人实用化进程。

数据集最近研究

最新研究方向

在家庭服务机器人领域，R1_Lite_place_the_dress_shirt_on_the_hanger数据集正推动双手机器人操作任务的前沿探索。该数据集聚焦于精细衣物整理场景，通过多视角视觉观测与丰富运动标注，为模仿学习与强化学习算法提供了高质量训练基础。当前研究热点集中于多模态动作序列生成与动态抓取策略优化，结合末端执行器的六维位姿与速度信息，探索复杂环境下双肢协同操作的泛化能力。随着RoboCOIN项目与LeRobot框架的深度融合，该数据集正成为家庭自动化场景中具身智能研究的重要基准，为机器人应对非结构化环境中的柔性物体操作挑战开辟了新路径。