piper_pick_place_4obj_pi05_rgb_400ep_v1

这是一个仅包含RGB数据的LeRobot数据集，用于Alexxz3 Piper拾取放置/装配任务发布。它是从原始RGB+触觉数据集`Alexxz3/robotwin_piper`中派生并重新生成的公共产物。该数据集适用于仅使用RGB数据的pi0.5/OpenPI训练、RGB快速入门，以及与RGB+触觉数据集进行对比消融实验。数据集涵盖AgileX Piper风格的单臂机器人在RoboTwin模拟环境中的四种任务：拾取放置瓶子、拾取放置罐子、拾取放置玩具车和拾取放置洗发水瓶。总共包含400个集（每个任务100集），195,395帧图像，帧率为15 FPS，格式为LeRobot v2.1风格，包括parquet集分片和MP4视频流。观察模式包括状态、动作以及头部和腕部RGB相机图像，但省略了触觉张量，以便为RGB-only训练提供精确的特征契约。

原始信息汇总

数据集概述

数据集名称：Piper Pick-and-Place 4-Object LeRobot Dataset (RGB-only)
数据集ID：Alexxz3/piper_pick_place_4obj_pi05_rgb_400ep_v1
许可证：Apache-2.0
任务类别：机器人学（robotics）
标签：LeRobot、piper、robot-learning、imitation-learning、rgb

数据集范围

• 机器人平台：AgileX Piper 风格单臂机器人（RoboTwin 环境中）
• 任务：包含四种拾取与放置任务，每项任务100个回合：
  • pick_and_place_bottle（瓶子）
  • pick_and_place_can（罐子）
  • pick_and_place_toy_car（玩具车）
  • pick_and_place_shampoo（洗发水）
• 总回合数：400
• 总帧数：195,395
• 帧率：15 FPS
• 数据格式：LeRobot v2.1 风格，使用 Parquet 格式的回合分片和 MP4 视频流
• 数据来源：原始 RGB+触觉 HDF5/PKL 存档（Alexxz3/robotwin_piper）

观测与动作结构

该数据集仅包含 RGB 信息，明确省略了触觉张量，适用于 RGB-only 训练配置。具体特征如下：

特征	形状	描述
observation.state	[7]	Piper 关节状态：六个手臂关节加夹爪
action	[7]	下一步 Piper 动作/状态目标：六个手臂关节加夹爪
observation.images.head_camera	[480, 640, 3]	头部 RGB 摄像头视频流
observation.images.single_wrist_camera	[480, 640, 3]	腕部 RGB 摄像头视频流

注意：如需触觉实验，应使用 Alexxz3/piper_pick_place_4obj_pi05_tactile_400ep_v1，该数据集额外包含 observation.tactile 特征（虚拟 Paxini MC-M2020 风格触觉力令牌）。

数据集独立存在的理由

该 RGB-only 数据集从原始 RGB+触觉数据派生而来，但独立发布的原因包括：

1. RGB-only 与 RGB+触觉的 LeRobot 数据集具有不同的特征结构。
2. RGB-only 的 pi0.5 配置可以训练时无需忽略额外的触觉特征。
3. 该数据集更小，便于快速上手。
4. 保证了精确的 RGB-only 训练与评估的可复现性。

相关资源

• 原始 RGB+触觉源数据集：Alexxz3/robotwin_piper
• LeRobot RGB+触觉数据集：Alexxz3/piper_pick_place_4obj_pi05_tactile_400ep_v1
• pi0.5 RGB 模型：Alexxz3/piper_pick_place_4obj_pi05_rgb_lora_400ep_h16_v1
• ACT RGB 模型：Alexxz3/piper_pick_place_4obj_act_rgb_400ep_v1
• 评估报告：参见公共仓库中的 docs/piper_id_eval_report.md
• 流程文档：参见 docs/piper_pick_and_place_pipeline.md 和 docs/huggingface_training_data.md

局限性

• 数据来自模拟的 RoboTwin 环境，非真实的 Piper 硬件数据。
• 不包含触觉观测数据，触觉实验需使用 RGB+触觉数据集。
• OpenPI/pi0.5 的归一化统计信息存储于相应的模型/检查点资产中，而非本数据集卡片。
• 最终评估结果显示策略成功率较低，使用前请查阅公开的评估报告。