R1_Lite_clean_toilet

R1_Lite_clean_toilet数据集是基于LeRobot扩展格式构建的，完全兼容LeRobot。该数据集旨在用于机器人执行清洁厕所的任务，包括抓取、拾取、放置、关闭、打开和按压等原子动作。数据集包含丰富的子任务、场景、末端执行器和夹具注释，以及运动特征和其他特征，如末端执行器仿真姿态和夹具开度。数据集被组织成训练和测试分割，并遵循LeRobot格式进行数据组织。README还提供了数据集目录结构、特征模式和元数据的详细信息。最后，它包括数据集的许可、引用和版本历史。

原始信息汇总

R1_Lite_clean_toilet 数据集概述

基本信息

• 数据集名称: R1_Lite_clean_toilet
• 许可证: Apache-2.0
• 支持语言: 英语、中文
• 任务类别: 机器人技术
• 标签: RoboCOIN, LeRobot
• 框架范围: 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
• 关闭
• 打开
• 按压

数据集统计

指标	数值
总情节数	99
总帧数	264408
总任务数	1
总视频数	297
总块数	1
块大小	1000
帧率	30
数据集大小	11.8GB

任务描述

主要任务

倒入马桶清洁剂，刷洗马桶，冲水后关闭盖子

子任务

1. 异常
2. 关闭马桶盖
3. 结束
4. 冲马桶
5. 空
6. 打开马桶盖
7. 将清洁剂放置在地板上
8. 倒入清洁剂
9. 放回马桶刷
10. 刷洗马桶
11. 用左手稍微抬起马桶盖
12. 用右手完全打开马桶盖

数据特征

视觉观测

• 3个摄像头视角（高清RGB、左手腕RGB、右手腕RGB）
• 分辨率：720×1280
• 帧率：30 FPS
• 编码：AV1

状态与动作

• 观察状态：14维浮点数（关节角度和夹爪状态）
• 动作：14维浮点数（关节角度和夹爪控制）

注释信息

• 子任务注释
• 场景注释
• 末端执行器方向、速度、加速度
• 夹爪模式、活动状态
• 末端执行器仿真姿态
• 夹爪开合尺度

数据组织

文件结构

• 数据文件：Parquet格式
• 视频文件：MP4格式
• 块组织：1个块，每块1000个情节

数据分割

• 训练集：情节0-98

作者与链接

贡献者

• RoboCOIN团队

相关链接

• 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

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} }

版本信息

• v1.0.0 (2025-11): 初始发布

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，R1_Lite_clean_toilet数据集基于LeRobot框架的扩展格式构建，确保了与现有机器人学习生态系统的完全兼容性。该数据集通过R1_Lite型双指夹具机器人，在家庭场景中系统性地记录了清洁马桶的完整操作流程，涵盖99个独立任务片段，累计26万余帧视觉与运动数据。数据以分块形式组织，采用Parquet格式高效存储多模态信息，并通过三视角RGB视频（分辨率1280×720，30帧/秒）同步捕捉操作过程，辅以14维关节状态与动作向量的精确标注。

特点

该数据集的核心价值在于其精细化的动作分解体系，将清洁马桶任务解构为12个原子子任务，包括开启马桶盖、倒入清洁剂、刷洗马桶等具体操作步骤。数据标注体系尤为丰富，不仅包含末端执行器的六维位姿、运动方向与加速度分类，还提供了夹具开合尺度与活动状态的连续量化指标。多视角视觉数据与机器人状态信息的时空对齐，为模仿学习与策略泛化研究提供了立体化观测基础。11.8GB的数据规模兼顾了深度学习模型的训练需求与存储效率。

使用方法

研究者可通过LeRobot标准接口直接加载该数据集，利用其预定义的数据分割方案（训练集包含0-98号任务片段）进行机器人技能学习算法的开发。每个数据片段均包含三路高清视频流、关节状态序列与动作指令，支持端到端的行为克隆与强化学习训练。丰富的运动学标注可用于构建精细的奖励函数或进行动作语义分析，而子任务边界标注则便于开展分层强化学习研究。数据集遵循Apache-2.0许可协议，允许学术与商业用途的灵活拓展。

背景与挑战

背景概述

在机器人操作领域，家庭环境中的复杂任务执行一直是研究重点。R1_Lite_clean_toilet数据集由RoboCOIN团队于2025年发布，聚焦于双手机器人完成清洁马桶这一具体家务任务。该数据集基于LeRobot框架构建，包含26万帧多视角视频数据及精细的动作标注，旨在推动机器人对序列化操作任务的理解与执行能力。通过记录抓取、放置、开关等原子动作的完整流程，为模仿学习与策略优化提供了高质量基准。

当前挑战

该数据集致力于解决家庭场景中长序列操作任务的规划与执行难题，其核心挑战在于多步骤动作的时序依赖关系建模与环境交互的精确控制。构建过程中面临双重挑战：一方面需通过三路摄像头同步采集高精度末端执行器轨迹数据，另一方面需对12项子任务进行细粒度标注，包括马桶盖开合、清洁剂倾倒等易受物体形变影响的非刚性操作。数据规模的限制也要求模型具备更强的泛化能力。

常用场景

经典使用场景

在家庭服务机器人领域，R1_Lite_clean_toilet数据集为双指抓取器机器人执行清洁任务提供了标准化基准。该数据集通过264,408帧多视角视频数据，完整记录了从打开马桶盖到冲刷清洁的12个子任务序列，为机器人动作规划与视觉感知研究提供了结构化实验平台。其丰富的末端执行器运动轨迹与抓取状态标注，使研究者能够系统分析双臂协调操作在复杂家居环境中的执行效能。

解决学术问题

该数据集有效解决了机器人操作学习中长期存在的动作分解与任务泛化难题。通过精细标注的抓取、放置、按压等原子动作序列，为模仿学习与强化学习算法提供了高质量训练样本。其包含的末端执行器六维位姿、速度加速度等多模态数据，显著提升了动态环境下机器人操作策略的建模精度，推动了具身智能在真实场景中的认知决策能力发展。

衍生相关工作

基于该数据集衍生的RoboCOIN项目推动了开源机器人数据生态建设，其与LeRobot框架的深度兼容催生了多项双臂操作研究。后续工作扩展了动态物体操控、多模态指令跟随等研究方向，部分成果已集成至家居服务机器人基准测试体系。这些衍生研究通过统一的数据格式与评估标准，持续促进着机器人操作社区的协作创新与知识共享。