lyl472324464/2025-12-23-twist-one-bottle-without-rinse

该数据集是使用LeRobot创建的机器人数据集，专门用于aloha机器人类型。它包含91个episodes，总计122038帧，数据以50fps的帧率采集。数据集的特征包括14维的状态观测（如左右机械臂的关节位置）、14维的动作数据、14维的速度和力观测，以及来自四个摄像头的图像观测：cam_high、cam_low、cam_left_wrist和cam_right_wrist，每个图像为3通道，分辨率为480x640，视频编码为av1。此外，数据集还包含任务索引、子任务、训练标志、时间戳、帧索引、episode索引和全局索引等元数据。数据以parquet文件格式存储，总数据文件大小为200MB，视频文件大小为200MB，所有数据均用于训练分割。This dataset is a robotics dataset created using LeRobot, specifically for the aloha robot type. It contains 91 episodes with a total of 122,038 frames, collected at a frame rate of 50 fps. The dataset features include 14-dimensional state observations (e.g., joint positions for left and right arms), 14-dimensional action data, 14-dimensional velocity and effort observations, and image observations from four cameras: cam_high, cam_low, cam_left_wrist, and cam_right_wrist, each with 3 channels and a resolution of 480x640, encoded in av1 video format. Additionally, the dataset includes metadata such as task index, subtask, training flag, timestamp, frame index, episode index, and global index. The data is stored in parquet file format, with a total data file size of 200 MB and video file size of 200 MB, all allocated for the training split.

搜集汇总

数据集介绍

构建方式

在机器人操作技能学习领域，精细化操作数据的采集是智能体习得复杂任务的基础。本数据集基于LeRobot框架构建，采用ALOHA双臂机器人平台，通过遥操作方式记录“拧开免洗瓶”这一单一任务的动作序列。数据集包含91个演示回合，累计122,038帧状态-动作对，以50帧/秒的高频采样。数据以Parquet格式存储，将连续的机器人运动轨迹切分为索引化的片段，并同步记录来自四路摄像头（cam_high、cam_low、左右腕部）的高清视觉观测，形成多模态的协同时序数据流。

特点

该数据集的核心特点在于其精细化的双臂协作信息与多视角视觉输入的有机整合。每个数据样本包含14维的关节状态、动作指令、速度与力觉信息，精确映射了ALOHA机器人左右臂各7个自由度（包括腰、肩、肘、前臂、腕及夹爪）的运动特征。四路640×480像素的视频流以AV1编码压缩，确保了高密度时序数据下的存储效率与视觉保真度。整个数据集专攻单一任务，提供了足够的演示多样性与1000帧大小的数据分块，便于模型高效加载与训练。

使用方法

本数据集兼容LeRobot库的数据加载规范，用户可通过指定数据路径直接读取Parquet数据文件与关联的视频文件。数据集已预设训练集分割（1-91回合全部用于训练），开发者可利用四个摄像头视角的图像序列与14维动作向量，训练视觉运动策略模型。建议采用模仿学习或行为克隆范式，将观测状态与动作序列配对进行端到端学习。数据的时间戳与帧索引为时序建模提供便利，适用于Transformer或扩散策略等时序依赖型算法的训练与验证。

背景与挑战

背景概述

该数据集创建于2025年12月23日，依托Hugging Face的LeRobot框架构建，旨在为机器人操作技能学习提供标准化数据资源。数据集聚焦于单一操作任务——“无冲洗条件下拧转一个瓶子”，其核心研究问题在于如何通过模仿学习使双机械臂系统（A型机器人）完成精细的关节运动与物体交互。研究人员采集了91个演示回合，总计超过12万帧数据，包含14维的机器人关节状态、动作指令、速度与力矩信息，以及四个视角的高清视频流（帧率50 FPS）。该数据集填补了面向无冲洗场景中高精度关节操作的公开数据集空白，为机器人学中模仿学习与策略泛化研究提供了关键基准，可推动家庭服务与工业自动化领域的算法验证与模型评估。

当前挑战

该数据集所应对的领域核心挑战在于，如何在缺乏视觉冲洗反馈的约束下，完成需要精确控制力与位置的拧转操作——这类任务要求机器人实时协调双臂运动轨迹，并克服接触力学带来的非线性干扰。在数据构建过程中，研究人员面临若干技术难点：首先，以50 Hz频率同步采集14维关节状态与四路高清视频，对硬件同步与存储系统提出极高要求；其次，91个回合的数据规模虽提供了一定多样性，但单一任务指令限制了跨场景泛化能力；此外，动作空间的高维度与演示数据中隐式的接触动力学信息，使得从有限演示中提取稳健策略仍存在显著挑战。

常用场景

经典使用场景

该数据集围绕A LOHA双机械臂平台，记录了91个演示片段，共计超过12万帧的拧瓶盖动作数据。每一帧包含14维关节状态、速度、力矩信息，以及来自高视角、低视角和左右腕部相机的四路视频流，为模仿学习提供了丰富的观测与动作空间。经典使用场景是训练机器人从人类示范中学习精细操作技能，特别是需要双手协调的拧转与抓取任务。研究者通常利用该数据集训练基于行为克隆或扩散策略的模型，使机器人能够复现从抓取瓶身到旋转瓶盖的无接触漂洗动作流程。

解决学术问题

该数据集主要服务于机器人学习领域中的两大难题：精细双手操作技能的高效获取与泛化。传统的运动规划方法难以应对柔性物体或非结构化环境中的拧转任务，而该数据集通过提供大规模、多模态的示范数据，使得模仿学习方法能够在高维状态-动作空间中学习有效的策略。此外，数据集中包含的91个完整回合，为研究与奖励稀疏、部分可观测性相关的强化学习技术提供了基准。其意义在于推动了从人类演示到机器人技能迁移的实证研究，为构建通用操作智能奠定了数据基础。

衍生相关工作

该数据集催生了多项基于LeRobot框架的模仿学习研究。一类工作聚焦于利用扩散模型对动作序列进行条件生成，以提升多峰示范数据下的策略鲁棒性。另一类工作探索了利用该数据集中四路视觉输入进行跨视角特征融合，改进隐式行为克隆的效果。此外，有研究在此基础上引入对抗性扰动，验证策略在传感器噪声下的稳定性，或利用该数据集作为预训练语料，通过域随机化迁移至不同的机械臂形态。这些衍生工作共同拓展了双手协调学习的研究边界。