five

R1_Lite_clean_the_sink

收藏
Hugging Face2025-11-28 更新2025-11-29 收录
下载链接:
https://huggingface.co/datasets/RoboCOIN/R1_Lite_clean_the_sink
下载链接
链接失效反馈
官方服务:
资源简介:
R1_Lite_clean_the_sink 数据集是基于 LeRobot 格式扩展而来,完全兼容 LeRobot。该数据集专注于机器人任务,特别是清洁水槽。它包括丰富的注释和特征,以支持机器人的学习和开发。数据集采用 Apache-2.0 许可证。
创建时间:
2025-11-19
原始信息汇总

R1_Lite_clean_the_sink 数据集概述

基本信息

  • 数据集名称: R1_Lite_clean_the_sink
  • 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
  • 数据范围: 100K-1M

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: 3.8GB

场景与动作

场景类型

  • 家庭环境

原子动作

  • 抓取、拾取、放置、打开、擦拭、关闭

数据统计

指标 数值
总情节数 120
总帧数 104391
总任务数 1
总视频数 360
总分块数 1
分块大小 1000

任务描述

主要任务

打开水龙头、关闭水龙头、擦拭水槽、将抹布放置在旁边

子任务

  1. 拾取抹布
  2. 关闭水龙头
  3. 打开水龙头
  4. 擦拭水槽

数据特征

视觉观测

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

状态与动作

  • observation.state: float32,14维关节状态
  • action: float32,14维动作指令

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
  • 末端执行器注释: 方向、速度、加速度分类
  • 夹爪注释: 模式、活动状态、开合尺度

数据组织

文件结构

  • 数据文件: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
  • 视频文件: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

数据分割

  • 训练集: 情节0-119

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} }

搜集汇总
数据集介绍
main_image_url
构建方式
在机器人操作数据集构建领域,R1_Lite_clean_the_sink采用了基于LeRobot框架的扩展格式进行系统化构建。该数据集通过R1_Lite型机器人配备双指夹爪,在家庭场景中执行清洁水槽的复杂任务,完整记录了120个交互片段。数据采集过程整合了多视角视觉观测与机器人状态信息,以30帧率的高清视频和14维关节状态数据构成基础数据层,并通过分块存储机制将104391帧数据组织为可高效访问的Parquet格式文件。
特点
该数据集在机器人操作数据领域展现出多模态融合的显著特征,其核心价值体现在丰富的动作标注体系与精细的末端执行器运动分析。数据集囊括抓取、放置、擦拭等六类原子动作的完整轨迹,并配备三路高清摄像头从全局视角与腕部视角同步捕捉操作过程。独特的标注系统不仅涵盖任务分段与场景语义,更深入解析了末端执行器的运动方向、速度层级及夹爪开合状态,为机器人精细操作策略的学习提供了多维度的监督信号。
使用方法
基于LeRobot兼容性的设计理念,该数据集可直接集成至现代机器人学习流程中。研究者可通过标准数据加载接口访问分块存储的Parquet文件,其中observation字段提供多视角视觉输入与14维关节状态,action字段则对应机器人控制指令。训练阶段可利用细粒度标注信息构建分层强化学习任务,特别是末端执行器位姿与夹爪状态数据为模仿学习算法提供了精确的演示轨迹。数据集的模块化结构支持灵活提取子任务序列,适用于从基础动作建模到多步骤任务规划的各类研究场景。
背景与挑战
背景概述
在机器人操作学习领域,家庭环境下的复杂任务执行一直是研究重点。R1_Lite_clean_the_sink数据集由RoboCOIN团队于2025年11月发布,基于LeRobot框架构建,专门针对双指夹爪机器人R1_Lite在水槽清洁场景中的操作数据。该数据集包含120个完整操作序列、104,391帧多视角视觉数据,涵盖抓取、放置、擦拭等六类原子动作,通过精细的末端执行器姿态标注和运动特征记录,为双臂协调操作算法研究提供了高精度基准数据。
当前挑战
该数据集致力于解决家庭场景中双臂机器人执行复杂顺序任务的挑战,包括动态物体交互的时序依赖关系和多模态感知融合问题。在构建过程中面临数据同步复杂性,需协调三路摄像头与机器人状态数据的毫秒级对齐;标注维度密集性要求对末端执行器的六维姿态、运动学特征进行逐帧标记;以及实际操作中环境可变性导致的动作轨迹泛化难度,例如水龙头开关力矩差异对抓取策略的影响。
常用场景
经典使用场景
在机器人操作学习领域,R1_Lite_clean_the_sink数据集作为家庭环境下的精细化任务基准,其经典应用体现在双指夹爪机器人的多步骤操作序列训练。通过120个完整任务片段与10万余帧视觉数据,该数据集为模仿学习与强化学习算法提供了涵盖抓取、放置、擦拭等原子动作的标准化评估平台。其多视角视频流与精细动作标注使研究者能够系统分析双臂协调策略在动态环境中的泛化能力。
衍生相关工作
基于该数据集衍生的经典研究包括RoboCOIN团队提出的分层强化学习框架,其通过子任务自动分割技术显著提升了长周期任务的完成效率。后续工作进一步探索了多传感器融合下的动作预测模型,结合末端执行器运动学特征开发出具有时空一致性的操作策略生成方法,这些成果持续推动着双臂机器人精细操作领域的算法创新。
数据集最近研究
最新研究方向
在家庭服务机器人领域,R1_Lite_clean_the_sink数据集聚焦于双指抓取器在厨房环境中的精细化操作任务,其前沿研究正围绕多模态学习与行为模仿展开。通过整合三维视觉观测与末端执行器运动轨迹数据,该数据集支持基于强化学习的策略优化,推动机器人对复杂家务任务(如擦拭水槽、开关水龙头)的自主执行能力。关联的RoboCOIN项目进一步促进了开源机器人数据生态的构建,为具身智能在真实场景中的泛化应用提供了关键支撑,标志着家庭服务机器人从单一技能向综合任务理解的范式转变。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作