pick-cube-so101

Pick-Cube SO-101是一个经过精心设计的遥操作抓取放置数据集，使用SO-101机械臂录制。数据集包含440个情节（episodes），每个情节都执行抓取立方体并放入盒子中的任务。数据集的结构旨在系统性地变化抓取覆盖范围、到达深度和手腕角度，以提供多样化的操作示例。数据由六个部分（tranches）按顺序录制组成：离散抓取（25厘米深度）、密集抖动、离散抓取（15厘米深度）、覆盖抖动、逆时针扭转抖动和顺时针扭转抖动。录制时使用SO-101机械臂的领导者-跟随者对，以30帧/秒进行遥操作，并配备三个相机视图（顶部、手腕、侧面）。状态和动作数据包括6自由度关节位置（以度为单位）。该数据集用于训练和评估机器人操作策略，特别是抓取和放置任务。

原始信息汇总

数据集概述：Pick-Cube SO-101

该数据集是一个精心构造的遥操作抓取-放置数据集，使用 SO-101 机械臂收集，旨在系统性地变化抓取覆盖范围、到达深度和手腕角度。

• 核心任务：抓取立方体并放入盒子中（"grab the cube and put it in the box"）。
• 总集数：440 个片段（episodes）。
• 许可协议：Apache-2.0。
• 任务类别：机器人学（robotics）。
• 标签：LeRobot、SO-101、pick-place、manipulation。

数据集构成

数据集由六个子组（Tranche）组成，按记录顺序排列：

片段范围	子组名称	描述
0–49	discrete @ 25 cm	在25厘米距离处，5个目标角度（0°, ±45°, ±90°）× 10次演示
50–69	dense jitter	20次演示，集中在右侧45°附近，放置抖动±2厘米
70–119	discrete @ 15 cm	在15厘米近距离处，相同5个角度 × 10次演示
120–239	blanket jitter	120次演示，分布在整个工作空间
240–339	twist-CCW jitter	100次演示，手腕逆时针扭转以增加抓取角度变化
340–439	twist-CW jitter	100次演示，手腕顺时针扭转，是逆时针子组的镜像

抓取分布

每个抓取点（箭头）在基于SO-101正运动学恢复的工作空间半圆盘上显示：

• 位置：距肩关节轴的距离（厘米环）和目标角度（径向线）。
• 手腕偏航：箭头指向表示。
• 分布特点：
  • 离散子组：紧密聚集在15厘米和25厘米的环上。
  • blanket jitter：填充离散子组间的空白。
  • 扭转子组：箭头明显偏离径向，提供手腕角度变化。

记录信息

• 机器人：SO-101 主从遥操作夹爪对，30帧/秒。
• 相机：三个视角——camera1（顶部），camera2（腕部），camera3（侧面），分辨率均为480×640。
• 状态/动作：6自由度关节位置（shoulder_pan … gripper），以度为单位。

预训练模型

基于该数据集前340个片段（至twist-CCW子组）微调的 SmolVLA 策略，在真实机械臂上达到了 89%的抓取成功率（72/81），且在不同到达深度上表现均衡。模型地址：dobri420/pick-cube-smolvla-so101

数据使用

使用 LeRobot 库加载：

python from lerobot.datasets.lerobot_dataset import LeRobotDataset

ds = LeRobotDataset("dobri420/pick-cube-so101") print(ds.num_episodes, ds.num_frames) # 440 ...

数据集基于 LeRobot 构建，代码库版本为 v3.0。数据文件格式为 Parquet。