EgoGround_LIBERO_regen_plus

# EgoGround LIBERO 加强版（regen_v3_aug） 全量版（`Travor007/EgoGround_LIBERO_regen`，regen_v3，1,696 条人类示教）约 10 倍数据量、布局与轨迹更丰富的生成数据。 数据格式、坐标口径、控制目标动作、核验方式与全量版相同（同一套组装代码；仿真同为 robosuite 1.4.1 + MuJoCo 3.2.3 + bddl 1.0.1，OSC_POSE，20 Hz）。相机、光照、纹理、指令都是 LIBERO 默认，LIBERO-Plus 仍可作零样本测试。 | suite | episodes | frames | 全量版 episodes | 倍数 | 放大布局占比 | 机械臂偏移占比 | 尝试成功率（成功 / 尝试） | |---|---|---|---|---|---|---|---| | libero_spatial | 4,341 | 568,883 | 433 | 10.0× | 44% | 40% | 73%（4,341 / 5,910） | | libero_object | 4,515 | 702,070 | 451 | 10.0× | 100% | 42% | 63%（4,515 / 7,145） | | libero_goal | 4,314 | 549,407 | 430 | 10.0× | 43% | 40% | 73%（4,314 / 5,892） | | libero_10 | 3,526 | 994,337 | 382 | 9.2× | 32% | 40% | 33%（3,526 / 10,707） | | 合计 | 16,696 | 2,814,697 | 1,696 | 9.8× | 56% | 41% | 56%（16,696 / 29,654） | 成功等级（strict / any / hold）：libero_spatial 4007 / 314 / 20；libero_object 4322 / 84 / 109；libero_goal 4149 / 150 / 15；libero_10 3204 / 222 / 100。 未达 10 倍的任务（尝试次数到上限 4×）： - libero_10 / KITCHEN_SCENE8_put_both_moka_pots_on_the_stove：297 条（目标 310，9.6×） - libero_10 / LIVING_ROOM_SCENE5_put_the_white_mug_on_the_left_plate_and_put_the_yellow_and_white_mug_on_the_right_plate：261 条（目标 390，6.7×） - libero_10 / LIVING_ROOM_SCENE6_put_the_white_mug_on_the_plate_and_put_the_chocolate_pudding_to_the_right_of_the_plate：358 条（目标 360，9.9×） - libero_10 / STUDY_SCENE1_pick_up_the_book_and_place_it_in_the_back_compartment_of_the_caddy：252 条（目标 410，6.1×） ## 生成方法（MimicGen 式，代码 `aug_replay.py`，在全量版的 `code.tar` 里） 每次尝试的随机选择都来自按（suite, task, 分片, 序号）设种子的随机数，记录在 `meta/regen_provenance.jsonl` 的 `plus` 字段。 - **布局**：LIBERO 自己的 BDDL 采样器重新摆放物体与固定件（每次尝试单独设种子）。原版的抖动很小：LIBERO 的采样器先把 BDDL 区域每边按物体半径收缩，libero_object 的目标物体等在原版里位置完全固定，spatial / goal 每个物体约 3 cm，libero_10 约 5 cm。 放大布局的 episode 把每个物体实际的抖动窗口每个方向扩大 6 cm（已按半径补偿；object 0 → 6–7 cm，spatial / goal 3 → 9 cm， libero_10 5 → 11 cm）。libero_object 全部放大，其余 suite 每次尝试 50% 概率放大。 - **机械臂起始**：40% 的尝试在静置前给 7 个关节加 ±0.03–0.15 rad 的均匀偏移。 - **源示教**：同一任务里随机一条全量版的成功 episode。 - **分段迁移**：源示教在夹爪开合处切段，每段有参考物体（抓取段 = 闭合时离夹爪最近的物体；放置段 = 松开时离被抓物体最近的 物体，拉开抽屉等则是该固定件本身；其余段 = 运动最多的物体或固定件）。段内的控制目标位姿随参考物体刚性变换 （`G_new = P_new · P_src⁻¹ · G_src`），速度随机 0.85–1.2 倍。 - **过渡**：段与段之间从当前夹爪位姿插值到下一段起点（每步 ≤ 1.2 cm、6°），带随机抬升弧线，夹爪保持（`phase` = 0）。 - **执行**：每步把目标位姿换成让 OSC 目标恰好等于它的动作（`a_pos = (p* − p_ref)/0.05`，`a_rot = rotvec(R* R_refᵀ)/0.5`， `phase` = 1），所以 `action_abs`（控制目标）与全量版口径完全一致。 - **成功条件（放宽）**：`strict`（结束时任务谓词为真）、`any`（中途为真：截到首次成功后 10 步）、`hold`（再保持最后位姿 ≤ 30 步后为真，`phase` = 2）；只收录成功的尝试，等级记在 provenance 的 `success_level`。 ## 文件 | 文件 | 内容 | |---|---| | `libero_regen_v3_aug_<suite>.tar` | `lerobot/<suite>_aug_regen_lerobot/`（LeRobot v2.1 源数据）、`libero_aligned/<suite>/`（对齐位姿文件） | | `verify_samples.py` | 与全量版相同的独立核验脚本（numpy + pandas） | | `SHA256SUMS` | 上述文件的 sha256 | 解包：`for f in libero_regen_v3_aug_*.tar; do tar xf $f; done`。每个对齐位姿文件目录的 `meta/USAGE.md`、源数据目录的 `meta/REGEN.md` 是详细口径说明；逐帧的 `phase`（0 过渡 / 1 迁移段 / 2 保持）与 `segment` 在 extras。 ## 注意 - 每条 episode 是生成轨迹，不是人类示教：动作平滑、无人类的停顿与修正；建议与全量版混合使用。 - 只收录成功轨迹，而放大布局的成功率较低（试跑：goal 54% vs 88%，libero_10 16% vs 50%，spatial 71% vs 74%），所以成功轨迹里 放大布局的占比低于 50%（实际占比见上表）；尝试次数上限为目标的 4 倍，成功率很低的任务可能达不到 10 倍（见上表）。 - 观测采样时刻：本数据在每个控制步 25 个子步中的第 24 个采样观测（全量版与 LIBERO 评测为第 23 个），晚 2 ms。原因是每条 episode 都从新的 LIBERO reset 开始、不经过 `set_init_state`，robosuite 的观测采样相位因此晚 1 个子步。数据内部完全自洽 （状态、图像、控制目标都对应该时刻），`meta/alignment.json` 的 `timing.observation_substep` 记为 24，`verify_samples.py` 按它核验。 - 指令与全量版逐字相同（LIBERO `task.language`）。 生成：2026-10-29/30，hanyu（RTX 4090 D）。