R1_Lite_hang_clothes

R1_Lite_hang_clothes数据集是基于LeRobot扩展格式的数据集，并与之完全兼容。数据集主要针对R1_Lite型机器人，使用版本为v2.1，并配备了双指抓手。数据集场景类型为家庭环境，包含抓取、拾取和放置等原子动作。数据集包含109个场景，289827帧图像，327个视频片段，数据集大小为22.8GB。数据集提供了丰富的标注信息，包括子任务分割、场景描述、运动特征、抓手状态等，以支持多样化的学习方式。数据集组织结构遵循LeRobot格式，包含视频、状态数据、动作数据、元数据等组件。

原始信息汇总

R1_Lite_hang_clothes 数据集概述

基本信息

• 数据集名称: R1_Lite_hang_clothes
• 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
• 帧范围: 100K-1M

机器人配置

• 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

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	109
总帧数	289,827
总任务数	1
总视频数	327
总分块数	1
分块大小	1000
帧率	30 FPS
数据集大小	22.8 GB

任务描述

• 主要任务: 将衣物从篮子中取出挂在衣架上，然后取下放回
• 子任务: 包含15个具体子任务，涵盖衣物挂取、衣架操作等具体动作

数据采集

• 相机视角: 3个（高视角、左手腕、右手腕）
• 视频规格: 720×1280分辨率，AV1编码，30 FPS

数据标注

子任务标注

• 细粒度子任务分割和标注

场景标注

• 语义场景分类和描述

末端执行器标注

• 运动方向分类
• 速度幅度分类
• 加速度幅度分类

夹爪标注

• 开闭状态标注
• 活动状态分类

附加特征

• 末端执行器仿真姿态（6D姿态信息）
• 夹爪开合尺度（连续测量值）

数据结构

数据文件组织

• 数据路径模式: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频路径模式: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征架构

视觉观测

• 三个相机视角的RGB视频数据

状态与动作

• 机器人关节位置、速度等状态信息
• 机器人动作命令和轨迹

运动特征

• 末端执行器仿真姿态（位置和方向）
• 运动方向、速度、加速度信息

夹爪特征

• 开合尺度、工作模式、活动状态

数据划分

• 训练集: 情节0-108

作者与链接

• 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
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

版本信息

• 初始版本: v1.0.0 (2025年11月发布)

引用格式

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu et al.}, journal={arXiv preprint arXiv:2511.17441}, year={2025} }

搜集汇总

数据集介绍

构建方式

在机器人操作研究领域，R1_Lite_hang_clothes数据集采用基于LeRobot扩展格式的系统化构建方法。该数据集通过R1_Lite型双机械臂机器人采集了109个完整操作片段，总计289827帧视觉数据，涵盖家庭环境下的衣物悬挂任务。数据组织采用分块存储机制，将操作序列划分为单个数据块，每个数据块包含1000个连续操作步骤，并以Parquet格式高效存储多模态信息。

特点

该数据集展现出显著的多模态特征，整合了三个不同视角的RGB视频流，分别来自高位摄像头和左右腕部摄像头，帧率稳定在30fps。数据集提供了精细的机械臂末端执行器运动学标注，包括6D位姿、运动方向、速度等级和加速度幅度等关键参数。特别值得关注的是其丰富的抓取器状态标注，涵盖开合尺度、工作模式和活动状态等多维度信息，为双机械臂协同操作研究提供了详实的实验数据基础。

使用方法

研究人员可通过标准化的数据加载流程访问该数据集，按照预定义的文件路径模式读取分块存储的操作序列。数据集完全兼容LeRobot框架，支持直接加载视觉观察、机器人状态和动作指令等多模态数据。训练集包含0至108号完整操作片段，用户可基于时间戳和帧索引重构操作时序，利用丰富的运动学标注进行机器人技能学习算法的开发与验证。

背景与挑战

背景概述

在机器人操作领域，双手机器人系统因其能够模拟人类双手协作的复杂行为而备受关注。R1_Lite_hang_clothes数据集由RoboCOIN团队于2025年创建，作为RoboCOIN项目的重要组成部分，专注于解决家庭环境中衣物悬挂任务的机器人操作问题。该数据集基于LeRobot框架构建，包含109个完整操作序列和28万余帧多视角视觉数据，通过精细标注的抓取、放置等原子动作，为双手机器人协同操作研究提供了重要实验基础。其丰富的运动轨迹与末端执行器状态记录，显著推动了机器人模仿学习与精细操作控制算法的发展。

当前挑战

双手机器人衣物操作面临动作协调性与环境适应性的双重挑战。具体而言，衣物悬挂任务需解决柔性物体形变预测、双手抓取时序同步、以及动态障碍物避让等核心问题。在数据构建过程中，团队需克服多传感器时序对齐、双机械臂运动轨迹去冲突、以及大规模视频数据压缩存储等技术难点。此外，模拟环境与真实物理场景的域差异，以及操作失败案例的有效采集，均为数据集构建带来显著挑战。

常用场景

经典使用场景

在家庭服务机器人领域，R1_Lite_hang_clothes数据集聚焦于衣物悬挂这一典型家庭任务。该数据集通过双指夹爪机器人记录完整的操作流程，涵盖从篮子中拾取衣物、悬挂至衣架、再到取下归位的全链条动作。其多视角视觉数据与精细的动作标注为模仿学习算法提供了丰富的训练素材，使机器人能够掌握复杂的双手协调操作技能。

实际应用

在智能家居场景中，该数据集支撑的服务机器人可自主完成衣物整理任务，减轻家庭劳动负担。其技术方案可延伸至物流分拣、工业装配等需要精细操作的领域。基于真实家居环境采集的数据确保了算法部署的实用性，为开发适应复杂环境的服务机器人系统提供了关键技术支持。

衍生相关工作

基于该数据集衍生的研究已拓展至多模态机器人学习领域。RoboCOIN项目团队利用该数据开发了集成操作框架，启发了后续关于跨任务技能迁移的研究。与LeRobot生态系统的深度整合，促进了开源机器人社区在行为克隆、强化学习等方向的方法创新，形成了完整的机器人技能学习技术链条。