record-test

这是一个机器人操作数据集，包含1个剧集，847帧图像，1个任务，2个视频，1个片段，片段大小为1000。数据集包含多种特征，如机器人的关节位置、正面和右腕的图像信息等。

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: robotics
• 标签: LeRobot
• 创建工具: LeRobot

数据集结构

• 配置名称: default
• 数据文件: data//.parquet
• 代码库版本: v2.1
• 机器人类型: so100_follower
• 总集数: 1
• 总帧数: 847
• 总任务数: 1
• 总视频数: 2
• 总块数: 1
• 块大小: 1000
• 帧率: 30 fps
• 分割:
  • 训练集: 0:1

数据路径

• 数据路径: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频路径: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征

• action:
  • 数据类型: float32
  • 形状: [6]
  • 名称: shoulder_pan.pos, shoulder_lift.pos, elbow_flex.pos, wrist_flex.pos, wrist_roll.pos, gripper.pos
• observation.state:
  • 数据类型: float32
  • 形状: [6]
  • 名称: shoulder_pan.pos, shoulder_lift.pos, elbow_flex.pos, wrist_flex.pos, wrist_roll.pos, gripper.pos
• observation.images.front:
  • 数据类型: video
  • 形状: [720, 1280, 3]
  • 名称: height, width, channels
  • 信息:
    • video.height: 720
    • video.width: 1280
    • video.codec: av1
    • video.pix_fmt: yuv420p
    • video.is_depth_map: false
    • video.fps: 30
    • video.channels: 3
    • has_audio: false
• observation.images.wrist.right:
  • 数据类型: video
  • 形状: [720, 1280, 3]
  • 名称: height, width, channels
  • 信息:
    • video.height: 720
    • video.width: 1280
    • video.codec: av1
    • video.pix_fmt: yuv420p
    • video.is_depth_map: false
    • video.fps: 30
    • video.channels: 3
    • has_audio: false
• timestamp:
  • 数据类型: float32
  • 形状: [1]
  • 名称: null
• frame_index:
  • 数据类型: int64
  • 形状: [1]
  • 名称: null
• episode_index:
  • 数据类型: int64
  • 形状: [1]
  • 名称: null
• index:
  • 数据类型: int64
  • 形状: [1]
  • 名称: null
• task_index:
  • 数据类型: int64
  • 形状: [1]
  • 名称: null

引用

• BibTeX: [More Information Needed]

搜集汇总

数据集介绍

构建方式

record-test数据集依托LeRobot框架构建，采用模块化数据采集策略，通过SO100型机器人执行任务时记录多模态传感数据。技术实现上以30fps的采样频率捕获847帧时序数据，包含6自由度机械臂关节状态、双视角视觉信息（前视与腕部摄像头）及时间戳元数据，并以Parquet列式存储格式分块保存，确保数据高效存取与扩展性。

特点

该数据集显著特征在于其精细的动作-观测对齐架构，机械臂六维关节空间坐标（肩部平移/抬升、肘部屈曲、腕部屈曲/旋转及夹持器开合）与720p双路视频流形成严格时空同步。数据维度设计上，动作与状态观测共享相同物理量纲，便于强化学习中的状态-动作映射研究。视频流采用AV1编码压缩，在保持视觉保真度的同时优化存储效率。

使用方法

使用者可通过解析Parquet文件直接获取结构化机器人操作数据，其中features字段明确标注各数据张量的物理含义与维度信息。典型应用场景包括：基于时空对齐的多模态模仿学习、机械臂运动规划算法的benchmark测试，或作为真实世界机器人操作的仿真训练数据源。数据分块存储设计支持流式加载，适用于大规模分布式训练框架。

背景与挑战

背景概述

record-test数据集作为机器人领域的重要数据资源，由LeRobot团队基于开源框架构建，专注于机械臂控制与视觉感知的协同研究。该数据集采用Apache-2.0许可协议，记录了SO100型机械臂的关节位置、夹持器状态及多视角视觉数据，其技术架构体现出现代机器人学对高精度时序数据与多模态融合的探索。通过847帧30fps的视频流与6自由度动作参数的同步采集，为模仿学习与强化学习算法提供了真实世界的训练基准。

当前挑战

该数据集面临的核心挑战在于多模态时序对齐的精度问题，机械臂的6维连续动作空间与720p视觉观测需保持严格的时间同步。数据稀疏性构成显著障碍，当前仅包含单次任务执行的847帧样本，难以覆盖现实场景的复杂度。原始视频采用AV1编解码存储，虽节省存储空间但增加了实时处理的算力需求。未公开具体采集环境与任务目标的元数据，限制了数据在跨领域研究中的迁移应用价值。

常用场景

经典使用场景

在机器人控制与行为学习领域，record-test数据集通过其丰富的多模态数据为研究者提供了宝贵的资源。该数据集记录了机械臂执行任务时的关节位置、视觉观察和时间戳等信息，特别适用于机器人动作模仿学习和状态估计的研究。通过分析机械臂的关节角度变化与视觉反馈的对应关系，研究者能够深入理解机器人执行任务时的动态行为特征。

实际应用

在工业自动化场景中，record-test数据集的应用价值尤为显著。基于该数据集训练的模型可直接应用于机械臂的精准控制任务，如装配线上的零件抓取与放置。数据集包含的视觉-动作对数据为开发基于视觉伺服的控制器提供了训练样本，显著提升了机器人在非结构化环境中的操作能力。

衍生相关工作

该数据集已催生了一系列机器人学习领域的重要研究。基于其多模态特性，研究者开发了新型的动作预测网络架构，提出了改进的状态表示学习方法。部分工作专注于利用该数据集验证强化学习算法在连续控制任务中的表现，另一些研究则探索了跨模态表征学习在机器人感知中的应用潜力。