R1_Lite_switch_on_and_off_the_central_air_conditioning

R1_Lite_switch_on_and_off_the_central_air_conditioning 数据集使用基于 LeRobot 的扩展格式，完全兼容 LeRobot。它包括以下场景类型：家庭。数据集包括以下原子动作：抓取、拾取、放置。数据集包括 35 个总剧集、19688 个总帧、1 个总任务、105 个总视频、1 个总块、1000 个块大小、30 帧/秒、793.3MB 数据集大小。数据集的作者包括 RoboCOIN 团队。

原始信息汇总

R1_Lite_switch_on_and_off_the_central_air_conditioning 数据集概述

基本信息

• 数据集名称: R1_Lite_switch_on_and_off_the_central_air_conditioning
• 许可证: Apache-2.0
• 支持语言: 英语、中文
• 任务类别: 机器人学
• 标签: RoboCOIN, LeRobot
• 帧数范围: 10K-100K

技术规格

• 机器人类型: R1_Lite
• 代码库版本: v2.1
• 末端执行器类型: 两指夹爪
• 帧率: 30 FPS
• 数据集大小: 793.3MB

场景与动作

场景类型

• 家庭环境

原子动作

• 抓取
• 拾取
• 放置

数据集统计

指标	数值
总情节数	35
总帧数	19688
总任务数	1
总视频数	105
总分块数	1
分块大小	1000

任务描述

主要任务

打开空调，调节温度上下，然后关闭

子任务

1. 无操作
2. 按下温度降低按钮
3. 按下温度升高按钮
4. 关闭中央空调
5. 打开中央空调

数据特征

视觉观测

• observation.images.cam_high_rgb: 视频，720×1280×3，AV1编码
• observation.images.cam_left_wrist_rgb: 视频，720×1280×3，AV1编码
• observation.images.cam_right_wrist_rgb: 视频，720×1280×3，AV1编码

状态与动作

• observation.state: float32，14维关节状态
• action: float32，14维动作命令

注释信息

• 子任务注释: 细粒度子任务分割和标注
• 场景注释: 语义场景分类和描述

运动特征

• 末端执行器仿真位姿: 6D位姿信息
• 末端执行器方向: 运动方向分类
• 末端执行器速度: 速度大小分类
• 末端执行器加速度: 加速度大小分类

夹爪特征

• 夹爪开合尺度: 连续开合测量
• 夹爪模式: 开/关状态标注
• 夹爪活动状态: 活动/非活动分类

数据划分

• 训练集: 情节0-34

文件结构

数据集根目录/ ├── annotations/ # 注释文件 ├── data/ # 数据文件 │ └── chunk-000/ # 数据分块 ├── meta/ # 元数据 └── videos/ # 视频文件 └── chunk-000/ # 视频分块

作者信息

• 贡献者: RoboCOIN团队
• 主页: https://flagopen.github.io/RoboCOIN/
• 论文: https://arxiv.org/abs/2511.17441
• 代码库: https://github.com/FlagOpen/RoboCOIN

引用信息

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Runtian Xu, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang and Guocai Yao}, journal={arXiv preprint arXiv:2511.17441}, url = {https://arxiv.org/abs/2511.17441}, year={2025} }

搜集汇总

数据集介绍

构建方式

在机器人操作数据采集领域，该数据集基于LeRobot框架进行扩展构建，采用R1_Lite型双指夹爪机器人执行家庭环境中的中央空调开关任务。通过35个完整交互片段、19688帧视觉数据，系统记录了机器人执行抓取、拾取、放置等原子动作的完整流程。数据以分块形式存储于Parquet格式文件，每个数据块包含1000个交互步骤，并同步保存三视角高清视频流，为机器人操作策略研究提供了结构化数据基础。

特点

该数据集的核心特征体现在多模态标注体系的完整性上，不仅包含机器人关节状态与动作指令的数值记录，还集成了末端执行器的六维位姿、运动方向、速度加速度等动力学参数。特别值得注意的是其精细化的任务标注系统，将空调操控分解为五个逻辑子任务，并配备夹爪开合尺度与活动状态的连续监测。三路摄像头以30帧率同步采集720p分辨率影像，形成了时空对齐的多维度观测矩阵，为复杂操作任务的逆向强化学习提供了丰富特征空间。

使用方法

研究者可通过LeRobot兼容接口直接加载数据集，利用预定义的训练划分（0-34片段）进行模型训练。数据读取时支持并行加载视觉流与状态动作序列，其中视频文件采用AV1编码压缩，状态数据包含14维关节空间参数。对于特定研究需求，可单独调用末端执行器仿真位姿、夹爪活动模式等专用注解，或基于子任务标注构建分层强化学习环境。该数据集特别适用于双机械臂协调控制、长时序任务分解等前沿研究方向。

背景与挑战

背景概述

在机器人操作学习领域，家庭环境下的精细化任务执行一直是研究重点。R1_Lite_switch_on_and_off_the_central_air_conditioning数据集由RoboCOIN团队于2025年发布，基于LeRobot框架构建，专注于双手机器人在家庭场景中执行空调开关与温度调节的复合操作任务。该数据集通过35个任务片段、19688帧多视角视觉数据及丰富的动作标注，为机器人模仿学习与策略泛化研究提供了重要支撑，其六维末端执行器位姿与抓取器状态等精细化标注体系，显著推动了家庭服务机器人操作技能的标准化进程。

当前挑战

该数据集致力于解决家庭环境中机器人精细操作任务的泛化难题，其核心挑战在于双手机器人对家用电器非规则界面的自适应抓取与精准按压。构建过程中面临多模态数据同步的复杂性，需协调三路高清视频流与14维关节状态数据的时序对齐；同时，末端执行器在狭小空间内的运动轨迹规划与抓取力度控制，要求标注系统能精确捕捉毫米级位移与力矩变化特征，这对传感器精度与数据清洗流程提出了极高要求。

常用场景

经典使用场景

在家庭服务机器人研究领域，该数据集聚焦于双指夹爪机器人在居家环境中执行空调开关与温度调节任务。通过35个完整操作序列和19688帧多视角视频数据，完整记录了机器人执行抓取、拾取、放置等原子动作的轨迹。多模态数据融合了关节状态、末端执行器位姿与夹爪活动状态，为模仿学习算法提供了标准化的行为示范模板。

实际应用

在智能家居系统集成中，该数据集支撑了服务机器人的环境交互能力开发。基于真实家居场景采集的操作数据，可直接迁移至家庭助老机器人系统，实现自主环境调控功能。三路高清摄像头捕捉的视觉流为视觉-动作映射模型提供了训练素材，使机器人能够适应不同品牌空调面板的物理特性。此类数据驱动的解决方案正在推动家庭服务机器人从实验室原型向商业化落地转化。

衍生相关工作

基于该数据集衍生的研究已拓展至多智能体协同操作领域。RoboCOIN项目团队后续开发了跨模态表征学习框架，将视觉观察与运动指令进行联合嵌入。LeRobot生态中的研究者利用该数据集验证了分层策略网络的泛化性能，相关成果发表在机器人顶会ICRA和IROS上。这些工作共同构建了从单任务模仿学习到多任务迁移学习的完整技术路线图。