G1_Brainco_PickApple_T170_Retargeted_v2
收藏资源简介：
该数据集是T170重定向的衍生版本，源自unitreerobotics/G1_Brainco_PickApple_Dataset。任务为“将苹果放入盘子”。源机器人是Unitree G1（带BrainCo手），目标机器人是T170（带Inspire灵巧手）。目标维度为68自由度（32个身体关节+36个手部关节）。数据集包含200个片段，共153,668帧，帧率为30 FPS，采用LeRobot v3.0兼容的Parquet和视频格式。重定向使用GMR方法，将原始26维的Unitree G1+BrainCo状态/动作向量转换为68维的T170+Inspire灵巧手关节顺序。注意：只有本体感受的状态和动作向量被重定向，相机视频仍保留源数据集，显示原始G1/BrainCo外观，未进行视觉重定向。源数据集仅提供14个手臂关节和12个归一化的BrainCo手部执行器，因此T170的12个腿部关节、3个腰部关节和3个颈部关节在逆运动学中被锁定在中间位置，输出中保持中性。该转换旨在用于研究将开放人形机器人数据迁移到T170训练流程，尚未在物理T170机器人上验证。许可证为Apache-2.0。
This dataset is a retargeted version of T170, derived from unitreerobotics/G1_Brainco_PickApple_Dataset. The task is put the apple into the plate. The source robot is Unitree G1 (with BrainCo hand), and the target robot is T170 (with Inspire dexterous hand). The target dimension is 68 degrees of freedom (32 body joints + 36 hand joints). The dataset contains 200 episodes, 153,668 frames, at 30 FPS, in LeRobot v3.0 compatible Parquet and video formats. Retargeting uses GMR method to convert the original 26-dimensional Unitree G1+BrainCo state/action vector into 68-dimensional T170+Inspire dexterous hand joint order. Note: Only proprioceptive state and action vectors are retargeted; camera videos retain the source dataset, showing original G1/BrainCo appearance, without visual retargeting. The source dataset only provides 14 arm joints and 12 normalized BrainCo hand actuators, so the 12 leg joints, 3 waist joints, and 3 neck joints of T170 are locked in the middle position via inverse kinematics, remaining neutral in the output. This conversion is intended for research on migrating open humanoid robot data to the T170 training pipeline and has not been verified on a physical T170 robot. License: Apache-2.0.
数据集概述
该数据集是 G1 BrainCo Pick Apple — T170 Retargeted V2，一个面向机器人操作任务的 T170 重定向数据集，衍生自 Unitree G1 + BrainCo 的原始数据集。
基本信息
- 任务内容：将苹果放入盘子中（"Put the apples into the plate."）
- 源机器人：Unitree G1（配备 BrainCo 灵巧手）
- 目标机器人：T170（配备 Inspire 灵巧手）
- 目标维度：68 自由度（32 个身体关节 + 36 个手部关节）
- 数据规模：200 个 episode，共 153,668 帧
- 采样频率：30 FPS
- 数据格式：LeRobot v3.0 兼容的 Parquet 与视频布局
- 许可证：Apache-2.0（继承自源数据集）
重定向方法
该数据集使用 GMR（Generalized Motion Retargeting）实现从 G1 到 T170 的运动重定向，主要流程包括：
- 将 14 个源手臂角度应用于 G1 MuJoCo 模型
- 通过正运动学计算 G1 肩、肘、腕姿态
- 将 G1 手臂段方向映射到 T170 上臂和前臂长度
- 使用 GMR 逆运动学求解 T170 关节配置（锁定未观测的腿、腰、颈关节）
- 将每只手的 6 个 BrainCo 执行器数值扩展为 18 关节的 Inspire 手部表示
- 应用边界约束防护并验证关节限位与网格穿透
重定向的详细配置与验证报告存储于 meta/retargeting/ 目录下的多个 JSON 与 NPZ 文件中。
数据特征
| 特征 | 类型 | 形状 | 描述 |
|---|---|---|---|
observation.state |
float32 | (68,) | 重定向后的 T170 关节位置（弧度） |
action |
float32 | (68,) | 重定向后的 T170 指令关节位置（弧度） |
observation.images.cam_left_high |
视频 | (480, 640, 3) | 源左侧高位摄像头 |
observation.images.cam_right_high |
视频 | (480, 640, 3) | 源右侧高位摄像头 |
observation.images.cam_left_wrist |
视频 | (480, 640, 3) | 源左手腕摄像头 |
observation.images.cam_right_wrist |
视频 | (480, 640, 3) | 源右手腕摄像头 |
timestamp |
float32 | (1,) | 帧时间戳 |
frame_index |
int64 | (1,) | episode 内帧索引 |
episode_index |
int64 | (1,) | episode 索引 |
index |
int64 | (1,) | 全局帧索引 |
task_index |
int64 | (1,) | 任务索引 |
关键限制
- 视觉-本体感受不匹配：仅重定向了本体感受的状态与动作向量，摄像头视频仍保留源 G1/BrainCo 实体画面，未被视觉重定向到 T170。联合使用图像与机器人状态的训练方法需考虑到这一实体不匹配。
- 腿部与躯干关节固定：源数据集仅提供 14 个手臂关节和 12 个归一化 BrainCo 手部执行器，因此 T170 的 12 个腿部关节、3 个腰部关节和 3 个颈部关节在逆运动学求解中被锁定在中立位置。
- 手部映射为启发式：手部转换为跨手启发式映射，而非指尖姿态重定向结果。拇指辅助控制拇指偏航，各手指的屈曲值控制 MCP、PIP、DIP 屈曲；食指和中指的偏航关节保持中立。
验证结果
验证报告状态为 passed，具体包括：
- 全部 153,668 帧数值有限且在 T170 关节限位内
- 18 个未观测身体自由度严格保持中立
- 左手腕位置 RMSE 约 1.11 mm
- 右手腕位置 RMSE 约 0.39 mm
- 左/右手腕方向平均误差约 0.65°/0.86°
- 2,000 帧、160 几何对的符号距离采样中零穿透
这些验证在配置的 MuJoCo 模型中数值性地确认了重定向输出，不代表硬件安全认证。该转换旨在研究将公开人形机器人数据迁移至 T170 训练流程，尚未在物理 T170 机器人上进行验证。
