move_objects_multitask

该数据集是Hugging Face数据集villekuosmanen/move_objects_multitask的Apache TsFile转换版本。原始数据集使用LeRobot创建，包含ARX5机器人执行58个物体操作任务的演示数据。数据模态为时间序列，原始数据还包含三个同步相机流视频，但本转换版本未包含视频。数据规模包括140个片段、100,760帧，采样率为50 fps。任务类型涵盖拾取或滑动家用物体、将物体移动到架子、放入烤盘或纸箱等多种复合物体交互操作。数据集保留了原始数据的时间戳、片段索引、任务索引等标签列，以及动作和观测状态的特征列（各14个浮点元素）。转换过程经过验证确保数据一致性，并遵循Apache License 2.0许可。This dataset is an Apache TsFile conversion version of the Hugging Face dataset villekuosmanen/move_objects_multitask. The original dataset was created using LeRobot and contains demonstration data of an ARX5 robot performing 58 object manipulation tasks. The data modality is time series, and the original data also includes three synchronized camera stream videos, but this conversion version does not include videos. The data scale comprises 140 episodes, 100,760 frames, with a sampling rate of 50 fps. Task types cover various composite object interaction operations such as picking up or sliding household objects, moving objects to shelves, placing them in baking trays or cardboard boxes. The dataset retains label columns from the original data, including timestamps, episode indices, task indices, as well as feature columns for actions and observation states (each with 14 floating-point elements). The conversion process has been validated to ensure data consistency and follows the Apache License 2.0 license.

原始信息汇总

数据集概述

• 名称：Move Objects Multitask (TsFile)
• 许可协议：Apache-2.0
• 任务类别：机器人学（Robotics）
• 标签：LeRobot、机器人学、tsfile、时间序列、模态：时间序列
• 数据集大小：100,000 < 样本数 < 1,000,000
• 语言：无文本内容

数据来源与格式

• 源数据集：villekuosmanen/move_objects_multitask
• 转换格式：Apache TsFile，文件位于 data/move_objects_multitask_train.tsfile
• 表名：move_objects_multitask_train
• 行数：100,760 行
• 时间精度：毫秒
• 文件大小：3,355,749 字节
• SHA-256：9cb91a8cb77dd54c49590433765f0d52dff3cbf22638cc888ac40d378e91ae7a

数据内容

• 机器人类型：ARX5
• 演示任务：58 个物体操作任务，包括拾取/滑动家用物品、将物品移动到架子、放入烤箱盘或纸箱，以及复合物体交互。
• 任务映射：task_index 0-57 的完整映射保留在 meta/tasks.jsonl 中。

数据划分

• 划分：仅训练集（train，索引 0:140）
• 规模：140 个片段（episodes），100,760 帧，58 个任务
• 采样率：50 fps

模式（Schema）

• 时间列：Time，通过 Time = round(timestamp * 1000) 计算，单位为毫秒，每个片段重置。
• TAG 列：
  • episode_index（片段索引）
  • task_index（任务索引）
• FIELD 列：
  • frame_index（帧索引）
  • sample_index（样本索引，源数据中名为 index）
  • action_0 至 action_13（动作向量，14 个 FLOAT 元素）
  • observation_state_0 至 observation_state_13（观测状态向量，14 个 FLOAT 元素）

视频信息

• 摄像头流：源数据集包含三个同步摄像头流：
  • observation.images.front
  • observation.images.left_wrist
  • observation.images.right_wrist
• 视频规格：480 x 640 RGB AV1，50 fps，无音频
• 视频文件数：源仓库有 420 个 MP4 文件（140 个片段 × 3 个摄像头）
• 本数据集：未包含视频，仅保留数值行以保持对齐。如需视频，请访问源数据集的 videos 目录.

元数据

• 源元数据文件：meta/ 目录下的文件已镜像至本仓库。
• meta/info.json 更新：data_path 指向转换后的 TsFile，并包含 tsfile_conversion 对象，记录源文件与转换文件计数、视频计数、表名、时间公式、TAG 列、行数、特征映射及帧/视频对齐信息。
• 视频计数：转换后的 total_videos 值为 0。

验证信息

• 源行与转换行匹配：100,760 行
• 源任务覆盖：58 个任务
• 重复行检查：(episode_index, task_index, Time) 组合无重复
• 动作向量差异：最大差异为 0
• 观测状态向量差异：最大差异为 0
• sample_index 不匹配数：0
• 额外验证：通过项目 pipeline 和 TsFile Python SDK 验证。

使用示例

python from tsfile import TsFileReader

path = "data/move_objects_multitask_train.tsfile" with TsFileReader(path) as reader: schemas = reader.get_all_table_schemas() table = schemas["move_objects_multitask_train"] print([(column.get_column_name(), column.get_category()) for column in table.get_columns()])