parcelot-cleaned

这是一个关于双臂机器人包裹操作的数据集，包含29个剧集，25609帧图像，共87个视频文件，所有数据被分为一个片段，每个片段包含1000个数据点。数据集的帧率为30fps，目前只有训练集的分割。数据集中的特征包括机器人的动作、状态、顶部图像、左右手腕的图像、时间戳、帧索引、剧集索引、总索引和任务索引。

搜集汇总

数据集介绍

构建方式

在机器人技术领域，高质量的数据集对于算法训练和系统优化至关重要。parcelot-cleaned数据集基于LeRobot平台构建，采用先进的bimanual_parcelot双手机器人系统采集数据。数据集包含29个完整任务片段，共计25609帧30fps的多模态数据，通过精心设计的parquet文件格式存储，确保数据的高效访问和完整性。数据采集过程中同步记录了机械臂关节位置、多视角视觉信息及时间戳等关键参数，为机器人控制研究提供了丰富的实验素材。

特点

该数据集最显著的特点在于其全面的双手机器人操作数据。不仅包含12维度的关节位置动作向量和状态观测值，还整合了顶部摄像头、左右腕部摄像头三个视角的高清视频流（480×640分辨率）。所有数据均以严格的时序对齐方式存储，帧索引和片段索引的精细标注便于研究者进行时序分析。数据集采用分块存储策略（1000帧/块），在保证数据完整性的同时优化了大规模数据的读取效率。

使用方法

研究者可通过HuggingFace平台直接访问该数据集，数据以parquet格式组织，支持高效列式读取。典型使用场景包括加载特定任务片段进行行为克隆训练，或提取多视角视频帧进行视觉-运动联合建模。数据集提供的元数据文件详细描述了各字段结构和含义，建议配合LeRobot代码库进行数据解析和预处理。对于时序分析需求，可利用内置的帧索引和时间戳实现精确的数据对齐与采样。

背景与挑战

背景概述

parcelot-cleaned数据集是由LeRobot项目团队构建的机器人领域专业数据集，专注于双手机器人（bimanual_parcelot）的运动控制与感知研究。该数据集收录了29个完整任务片段，包含25609帧高精度动作数据与多视角视频记录，涵盖12自由度机械臂的关节位置控制与视觉观测信息。作为机器人学习领域的重要资源，其采用Apache-2.0开源协议，通过标准化数据格式促进了模仿学习与强化学习算法的开发验证，为复杂操作任务的智能体训练提供了关键基准。

当前挑战

该数据集面临的核心挑战体现在算法开发与数据构建两个维度。在算法层面，双手机器人协同控制需解决12维连续动作空间的高效探索问题，多模态观测数据（包括顶部固定视角与腕部移动视角）的时序对齐与特征融合构成显著技术瓶颈。在数据构建层面，机械臂运动数据的精确同步采集、多摄像头系统的标定维护、以及长达25609帧视频数据的无损压缩存储，均对硬件系统与数据处理流程提出严苛要求。

常用场景

经典使用场景

在机器人控制领域，parcelot-cleaned数据集通过记录双手机器人的关节位置、夹持器状态以及多视角视频数据，为机器人动作模仿学习提供了丰富的训练素材。其经典使用场景体现在研究者可利用该数据集构建端到端的机器人控制模型，通过观察人类操作视频与对应关节动作的映射关系，训练机器人完成复杂的双手协调任务。

衍生相关工作

该数据集已催生多项机器人学习领域的创新研究，包括基于时空注意力机制的动作预测模型、多视角视觉特征融合算法等代表性工作。部分团队进一步扩展了数据应用维度，将其与强化学习框架结合开发出自适应抓取策略生成系统，相关成果发表在ICRA、IROS等机器人顶级会议。

数据集最近研究

最新研究方向

在机器人控制与多模态学习领域，parcelot-cleaned数据集凭借其丰富的双机械臂动作记录和多视角视觉数据，正成为模仿学习与强化学习算法验证的重要基准。数据集包含高精度的关节位置信息和同步的多摄像头视频流，为研究双臂协同控制、视觉-动作映射等前沿课题提供了真实场景下的实验平台。近期研究聚焦于如何利用该数据集提升跨模态表征学习效率，探索视觉观察与机械臂动作间的复杂关联，这一方向与当前具身智能和机器人操作技能迁移的热点高度契合。