danny1002/so101_move_box_left_20260528_134340

该数据集是通过LeRobot创建的机器人操作数据集，专门用于机器人技术任务。数据集包含一个名为so101_move_box_left_20260528_134340的示例任务，涉及移动箱子的操作。数据特征包括动作（6个关节位置：肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置）、观察状态（与动作相同的关节位置）、观察图像（俯视图和夹爪视图，分辨率均为480x640，3通道，视频编码为av1，帧率25fps），以及时间戳、帧索引、episode索引、索引和任务索引等元数据。数据集总共有1个episode，15帧，1个任务，数据文件大小为100MB，视频文件大小为200MB。机器人类型为so_follower，数据以parquet格式存储，视频以mp4格式存储。数据集适用于机器人控制、模仿学习或强化学习等研究。This dataset is a robotics manipulation dataset created using LeRobot, specifically designed for robotics tasks. It includes an example task named so101_move_box_left_20260528_134340, which involves moving a box. The features consist of actions (6 joint positions: shoulder pan, shoulder lift, elbow flex, wrist flex, wrist roll, and gripper position), observation state (same joint positions as actions), observation images (overhead and gripper views, both with a resolution of 480x640, 3 channels, video codec av1, frame rate 25fps), and metadata such as timestamp, frame index, episode index, index, and task index. The dataset contains a total of 1 episode, 15 frames, and 1 task, with data files size of 100MB and video files size of 200MB. The robot type is so_follower, and data is stored in parquet format, with videos in mp4 format. It is suitable for research in robot control, imitation learning, or reinforcement learning.

搜集汇总

数据集介绍

构建方式

该数据集源自机器人操作任务场景，旨在记录机械臂将箱子向左移动的完整过程。基于LeRobot框架构建，通过双视角摄像头（顶视与夹爪视图）采集每秒25帧的640×480高清视频，同步记录6自由度机械臂关节位置数据（肩部俯仰、肩部抬升、肘部弯曲、腕部弯曲、腕部旋转及夹爪开合）作为状态与动作序列。数据以Parquet格式存储结构化信息，视频采用AV1编解码压缩，形成单一训练切分，涵盖1个任务片段，共计15帧。

特点

该数据集具有高规范性与专用性特征。其单片段、单任务的稀疏结构（15帧）专为验证机械臂精确定位控制而设计，视频与状态数据的严格对齐为模仿学习提供可靠监督信号。每帧包含完整的6维动作向量与视觉观测，夹爪视角强化了末端执行器的细节捕捉能力。数据规模紧凑，适合快速迭代测试，且以Apache-2.0许可发布，确保学术与工业场景的广泛复用性。

使用方法

使用者可借助LeRobot库的标准化接口加载数据集，通过data/*/*.parquet路径访问结构化数据，并通过视频文件路径调用预压缩的MP4片段。建议从单一任务验证出发，利用前2-3秒的短序列训练轻量级策略网络。训练时，动作与状态的6维关节向量可直接作为回归任务目标，顶视与夹爪图像经预处理后拼接为多模态输入。此数据集尤为适用于教学演示、算法原型验证及机器人控制领域的入门探索。

背景与挑战

背景概述

该数据集名为so101_move_box_left_20260528_134340，创建于2026年5月28日，由研究人员danny1002基于LeRobot框架构建，专注于机器人操作领域。数据集核心研究问题在于通过模仿学习实现机器人对目标物体的精准左移操作，具体涉及六自由度机械臂（so_follower）的动作规划与控制。数据集结构包含关节角度状态、动作指令以及两路视觉观测（俯视与夹爪视角），以25帧每秒的频率记录单一任务、单一轨迹的15帧数据。尽管数据规模较小，但其标准化格式和基于Apache-2.0许可证的开源特性，为机器人模仿学习研究提供了简洁而可复现的基准案例，有助于推动低成本、小样本条件下的机器人技能学习发展。

当前挑战

该数据集面临的核心挑战在于领域问题层面：机器人操作任务中的小样本学习与泛化能力不足。当前数据集仅包含一个目标移动任务、一个完整轨迹和15帧数据，难以支撑复杂环境下的鲁棒策略学习，尤其在面对物体位置、形态或初始状态变化时，模型可能失效。构建过程中挑战显著：数据采集依赖LeRobot框架与实体机器人平台，需精确同步视觉与关节状态信息，但单次演示易受机械误差、光照和抓取成功率干扰；此外，视频编码为AV1格式且采用CRF压缩，可能在纹理细节上引入损失，影响视觉特征提取的精度，进一步限制数据集的实用性与扩展性。

常用场景

经典使用场景

在机器人操作与模仿学习的研究领域中，so101_move_box_left_20260528_134340数据集为机械臂执行水平推移任务的策略学习提供了细腻的感知与动作对应关系。该数据集通过LeRobot框架采集，记录了SO-100系列机械臂将箱子向左移动的完整操作轨迹，包括6维关节空间的动作指令与状态信息，以及顶部摄像头和末端夹爪摄像头的多视角视觉观测。这一精细化的数据对齐结构，使其成为训练从视觉输入到关节控制的端到端模仿学习模型的理想基石，尤其适用于研究在固定工作台场景下，如何借助视觉反馈完成连贯、精准的物体推移操作。

衍生相关工作

该数据集虽规模较小，但依托LeRobot生态，可催生多类衍生研究。一方面，它可作为数据增强与轨迹插值方法的效果验证集，用于测试生成式模仿模型（如扩散策略）在小样本下的表现。另一方面，结合其他SO-100机械臂数据集，可以延展为多任务迁移学习基准，探索‘推移’技能向‘推、拉、旋转’等复合动作的迁移。此外，其统一的Parquet与MP4存储格式，为开发跨本体机器人策略通用训练框架提供了标准化接口，相关数据管道设计工作亦可能成为领域内的实用范例。

数据集最近研究

最新研究方向

在机器人学习领域，so101_move_box_left_20260528_134340数据集聚焦于双臂协作中的精准箱体搬运任务，其采集自SO-100系列跟随机器人，包含六自由度关节状态、顶部与夹爪视觉等多模态数据流。该数据集正推动模仿学习与行为克隆方法的边界突破，尤其在少样本泛化与闭环控制策略优化方面，为复杂工业场景下的自主移动作业提供了关键验证基准。