bimanual_blue_block_handover_3

这是一个关于双臂机器人操作和交接动作的数据集，包含20个集，12391帧，60个视频文件。数据集以Parquet格式存储，并提供了相应的视频文件。适用于机器人研究领域，特别是双臂机器人的动作规划和执行。

原始信息汇总

数据集概述

基本信息

• 名称: bimanual_blue_block_handover_3
• 任务类别: 机器人学
• 标签: LeRobot、双手操作、交接任务、整合数据
• 许可证: Apache-2.0
• 创建工具: LeRobot

数据集规模

• 总任务数: 1
• 总片段数: 20
• 总帧数: 12391
• 总视频数: 60
• 数据块数: 1
• 块大小: 1000
• 帧率: 30 fps
• 训练集划分: 0:20

数据结构

数据文件路径

• 数据文件: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频文件: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征字段

动作特征

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

观测状态

• 名称: observation.state
• 数据类型: float32
• 维度: [12]
• 关节位置: 与动作特征相同

图像观测

右侧腕部摄像头:

• 名称: observation.images.wrist_right
• 数据类型: 视频
• 分辨率: 480×640×3
• 编码: AV1
• 像素格式: yuv420p
• 非深度图

左侧腕部摄像头:

• 名称: observation.images.wrist_left
• 分辨率: 480×640×3
• 编码: AV1
• 像素格式: yuv420p
• 非深度图

顶部Realsense摄像头:

• 名称: observation.images.realsense_top
• 分辨率: 480×640×3
• 编码: AV1
• 像素格式: yuv420p
• 非深度图

元数据字段

• 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: 30 fps、3通道、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_3数据集通过LeRobot平台精心构建，采用双手机器人系统记录真实交互过程。该数据集包含20个完整交互片段，总计12391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，确保高效访问与处理。构建过程中同步录制了多视角视频流，包括左右腕部及顶部摄像头视角，为研究双手机器人协作任务提供了丰富的时空信息基础。

使用方法

研究者可通过解析Parquet文件结构直接访问多模态数据流，利用帧索引与片段索引实现精确时序对齐。该数据集专为训练双手机器人交接任务策略设计，动作与观测张量可直接输入神经网络模型，三路视频流支持视觉表征学习。数据已预划分为训练集，用户可基于LeRobot生态工具链进行行为克隆、强化学习等算法验证，其标准化接口确保与主流机器人学习框架的兼容性。

背景与挑战

背景概述

在机器人操作领域，双手机器人协作任务的研究日益受到重视。bimanual_blue_block_handover_3数据集由LeRobot团队基于Apache 2.0协议构建，专注于双手机器人间的物体传递操作。该数据集通过记录双机械臂的关节位置、夹爪状态及多视角视觉数据，为研究复杂环境下的双手协调控制提供了关键实验平台。其包含20个完整交互序列和12391帧高精度数据，推动了机器人灵巧操作与多模态感知融合的前沿探索。

当前挑战

该数据集致力于解决双手机器人动态物体传递中的动作同步与视觉感知难题。构建过程中面临多传感器时序对齐的复杂性，需确保12维关节动作数据与三路视频流的精确匹配。同时，双手协调控制的轨迹规划要求克服机械臂运动学约束与环境遮挡干扰，而真实场景下的物体形变与光照变化进一步增加了数据采集的稳定性挑战。

常用场景

经典使用场景

在机器人协作操作领域，该数据集通过双机械臂协同传递蓝色积木的精细动作序列，为模仿学习算法提供了标准化训练范本。其多视角视觉数据与关节运动轨迹的同步记录，使得研究者能够构建从感知到执行的端到端控制模型，特别适用于研究动态环境下的双手协调策略。

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时空一致性难题，为研究非对称机械臂的任务分配与力控交互提供了实证基础。通过高精度动作轨迹与多模态观测数据的耦合，显著推进了动态物体传递过程中的抓握稳定性、避碰规划等关键问题的量化研究进程。

实际应用

在工业自动化与康复机器人领域，该数据集支撑了装配线物料传递、残障辅助设备操控等实际场景的算法开发。其记录的力位混合控制策略可直接迁移至物流分拣、精密仪器组装等需要柔顺操作的工业场景，同时为医疗机器人的人机交互安全标准建立提供了数据支撑。

数据集最近研究

最新研究方向

在机器人协作操作领域，双手机器人交接任务正成为提升人机交互自然度的关键突破口。该数据集通过记录双机械臂对蓝色积木的交接过程，为模仿学习与多模态感知融合提供了结构化实验平台。当前研究聚焦于从视觉-动作联合数据中提取动态协调策略，探索基于时空一致性的双臂运动规划算法。随着服务机器人逐渐融入日常生活，这类精细操作数据集将推动触觉反馈与视觉伺服技术的协同发展，为构建安全可靠的协作机器人系统奠定数据基础。