salmonHan/record-test_20260528_010527

该数据集是一个机器人控制数据集，使用LeRobot工具创建。数据集包含一个完整的训练集，总帧数为1796帧，帧率为每秒30帧。数据集中包含一个训练任务，涉及一个名为so_follower的机器人类型。数据集的特征包括动作（action）和观察状态（observation.state），其中动作和观察状态都包含六个浮点数，分别对应机器人的六个关节位置：肩部旋转、肩部提升、肘部弯曲、手腕弯曲、手腕旋转和夹爪位置。此外，数据集还包含前视摄像头图像观察（observation.images.front），图像分辨率为720x1280，颜色通道为3，使用av1编码格式。其他特征包括时间戳、帧索引、片段索引、索引和任务索引。数据集以Parquet格式存储，视频文件以MP4格式存储。This dataset is a robotics control dataset created using the LeRobot tool. It contains a complete training set with a total of 1796 frames at a frame rate of 30 frames per second. The dataset includes one training task involving a robot of type so_follower. The features of the dataset include actions and observation states, both of which consist of six floating-point numbers corresponding to the positions of six robot joints: shoulder pan, shoulder lift, elbow flex, wrist flex, wrist roll, and gripper. Additionally, the dataset includes front camera image observations with a resolution of 720x1280, three color channels, and encoded in the av1 format. Other features include timestamps, frame index, episode index, index, and task index. The dataset is stored in Parquet format, and video files are stored in MP4 format.

搜集汇总

数据集介绍

构建方式

record-test_20260528_010527数据集是利用LeRobot框架进行采集与构建的，旨在为机器人学习研究提供标准化的示范数据。该数据集的构建过程遵循LeRobot的规范，数据以Parquet格式存储于data目录下的分块文件中，视频数据则以MP4格式存放于videos目录。根据元信息文件，数据集共包含1个完整轨迹，总计1796帧，采样频率为30帧每秒。数据被划分为训练集，且所有轨迹均由单一任务组成，同时记录了机器人末端执行器的六维关节状态与动作指令。

特点

该数据集的核心特点在于其结构的高度规范性与完整性。每帧数据均包含机器人六维关节的位置信息（动作与状态）、高分辨率前视RGB图像（720×1280像素）、时间戳、帧索引及任务索引等字段。图像数据采用AV1编码压缩，兼顾了存储效率与视觉质量。数据集规模约为300MB（含100MB数据和200MB视频），适用于离线训练与策略评估。此外，数据集遵循Apache-2.0开源协议，便于学术研究与工业应用的广泛传播与复用。

使用方法

用户可通过HuggingFace Datasets库直接加载该数据集，并结合LeRobot提供的可视化界面（`visualize_dataset`）进行轨迹预览与数据检查。建议研究者将本数据集作为机器人模仿学习或强化学习中的示范数据源，利用其中的动作-状态-图像对训练策略模型。加载时需指定配置名`default`，并读取Parquet文件中的特征列，如`action`、`observation.state`及`observation.images.front`。视频数据需通过对应的MP4文件路径获取，以便于与时间同步的观测信息联合使用。

背景与挑战

背景概述

该数据集由salmonHan团队基于Hugging Face的LeRobot框架创建，旨在为机器人模仿学习提供高保真的传感-动作记录。数据集采集于2026年5月28日，聚焦于单任务、单回合的遥操作演示，使用so_follower型机械臂完成包含六个自由度（肩部、肘部、腕部及夹爪）的精细操作。其核心研究问题在于如何以结构化格式（parquet与视频流）对齐关节状态、视觉观测与动作指令，从而服务于低样本的机器人技能迁移。作为LeRobot生态中的早期演示数据集，它验证了标准化数据流水线（30fps视频、1000帧分块）的可行性，为后续大规模机器人行为数据集奠定了基础。

当前挑战

本数据集所解决的领域挑战主要源自机器人模仿学习中的数据稀缺与异构性问题：传统数据集常因动作空间非结构化或视觉-运动对齐缺失而限制算法泛化能力，而该数据集通过统一编码6维关节控制信号与高清前视视频（1280×720@AV1），为端到端策略学习提供了稠密监督信号。构建过程中面临的技术挑战包括：在单次演示（1796帧）中确保遥操作时延低于1/30秒以避免动觉不一致；采用AV1压缩200MB视频时需平衡存储效率与视觉保真度；以及通过分块索引（chunk-{index}）管理100MB的parquet表格数据，维护大帧率时序下多模态输入的原子性。

常用场景

经典使用场景

record-test_20260528_010527 数据集专为机器人模仿学习研究而构建，其核心应用场景在于训练机器人通过视觉与状态观测数据复现人类示范动作。该数据集记录了单条完整操作轨迹，包含1796帧高频动作序列与同步视频，覆盖了6自由度机械臂的关节控制与夹爪操作，为学习从像素到动作的端到端映射提供了高保真的训练样本。在经典研究中，该数据集常用于验证行为克隆、逆强化学习等算法的效果，尤其聚焦于精细操作任务的泛化能力与控制的鲁棒性。

实际应用

在实际应用中，该数据集可直接支撑工业装配、精密操作服务型机器人的技能迁移。例如，通过训练机器人模仿示范轨迹中的夹爪开合与臂体协同运动，可实现电子元件插拔、零件分拣等重复性高且精细度要求高的任务。结合LeRobot的仿真与部署工具链，开发者能快速将学习到的策略迁移至真实So_Follower型机器人上，缩短示教编程周期。同时，其visualize功能与标准化数据分块设计，便于团队协作调试与跨场景的数据复用，为柔性制造、医疗辅助等领域的机器人自主作业提供了可靠的数据基础。

衍生相关工作

该数据集的出现催生了一系列围绕低数据依赖与高效泛化的衍生研究。基于其提供的结构化轨迹，研究者们发展出多种数据增强策略，如通过时间域裁剪或动作噪声注入提升策略的鲁棒性。此外，工作如利用预训练视觉编码器（如CLIP）与状态对齐方法，探索了从单一任务示范中提取可迁移技能的可能性。数据集本身作为LeRobot生态的一部分，推动了机器人数据标准化进程，其框架被后续工作广泛采纳用于构建多任务、多机器人的联合训练基准，促进了跨场景模仿学习算法的收敛与迁移效率的提升。