RobotData

Name: RobotData
Creator: wenjingbian
Published: 2026-09-05T05:40:27+08:00

Hugging Face2026-09-05 更新2026-09-05 收录

数据链接：

https://huggingface.co/datasets/wenjingbian/RobotData 数据链接链接失效反馈

官方服务：

资源简介：

该数据集名为“RobotData — procedural-drawer demonstrations”，专为RoboSynChallenge的“drawer_open_place”任务提供专家演示数据。数据在模拟环境中收集，使用程序生成的抽屉资产（而非基准测试中单一手绘抽屉）。任务为双手操作：右臂打开抽屉，左臂拿起番茄并放入抽屉，右臂推回抽屉。轨迹由动作图驱动逆运动学（IK）和TOPPRA运动规划合成，无需遥操作或强化学习，每个episode均被模拟器标记为成功。数据集包含150个episodes，分布在三个不同的抽屉资产上，每个episode时长425帧（25帧/秒）。数据格式为LeRobot v3.0，机器人类型为cobotmagic，包含关节位置（14维）、关节速度（14维）、关节力（均为零，模拟器未写入）以及三个摄像头图像（俯视、左腕、右腕，分辨率480×640）。视频按块拼接而非按episode存储，episode边界信息存储在meta/episodes/中。该数据集可用于训练模仿学习策略，但需注意：仅50个episodes规模较小，且全部为模拟数据，与真实机器人数据格式不同。

The dataset is named RobotData — procedural-drawer demonstrations, specifically designed for the drawer_open_place task of the RoboSynChallenge. Data is collected in simulation using procedurally generated drawer assets (instead of a single hand-drawn drawer in the benchmark). The task is bimanual: the right arm opens the drawer, the left arm picks up a tomato and places it in the drawer, then the right arm closes the drawer. Trajectories are synthesized via action graph-driven inverse kinematics (IK) and TOPPRA motion planning, without teleoperation or reinforcement learning, and every episode is marked as successful by the simulator. The dataset contains 150 episodes across three different drawer assets, each episode being 425 frames (25 fps). Data format is LeRobot v3.0, robot type is cobotmagic, including joint positions (14D), joint velocities (14D), joint forces (all zero, not written by simulator), and three camera images (overhead, left wrist, right wrist, resolution 480×640). Videos are stored by chunk rather than by episode; episode boundary information is stored in meta/episodes/. The dataset can be used for training imitation learning policies, but note: only 50 episodes (small scale) and all are simulated data, differing from real robot data format.

提供机构：

wenjingbian

创建时间：

2026-09-05

原始信息汇总

RobotData 数据集详情

概述

RobotData 是面向 RoboSynChallenge 的 drawer_open_place 双机械臂操作任务的专家演示数据集，基于程序化生成的抽屉资产在仿真环境中采集。任务流程为：右臂打开抽屉，左臂抓取番茄放入抽屉，右臂将抽屉推回关闭。所有轨迹通过动作图驱动的 IK 和 TOPPRA 运动规划合成，无遥操作或强化学习参与，每个片段均被模拟器判定为成功。

内容组成

数据集包含 4 个目录，共 200 个片段、85,000 帧图像，总大小约 2.9 GB：

目录	片段数	帧数	大小
`drawer_ep0_v2/`	50	21,250	355 MB
`drawer_ep0_v2_var4/`	50	21,250	884 MB
`drawer_v2_variant/`	50	21,250	849 MB
`drawer_ep0/`	50	21,250	860 MB

四个目录对应四种程序化生成的抽屉资产，资产间主要差异在于把手几何结构。

数据格式

格式标准：LeRobot v3.0，机器人类型 cobotmagic，采样率 25 fps，每片段 425 帧
数据字段：
- observation.state [14]：关节位置
- observation.qvel [14]：关节速度
- observation.qf [14]：关节力（全为零，模拟器从不写入）
- action [14]：绝对关节目标
- observation.images.cam_high [480, 640, 3]：俯视相机
- observation.images.cam_left_wrist [480, 640, 3]：左手腕相机
- observation.images.cam_right_wrist [480, 640, 3]：右手腕相机
关节排序：[左臂(6), 左夹爪(1), 右臂(6), 右夹爪(1)]，夹爪归一化至 [0, 1]
视频存储：按块而非按片段拼接，每相机一个 mp4 文件包含全部 50 个片段，片段边界记录在 meta/episodes/ 中

抽屉资产对比

所有资产把手均为凸出条状，关键差异如下：

资产	把手条尺寸 (L × H)	钩间隙	托盘宽度	行程	柜高
`drawer_ep0_v2`	130 × 16 mm	3.1 mm	195 mm	180 mm	90 mm
`drawer_ep0_v2_var4`	169 × 16 mm	3.1 mm	195 mm	170 mm	67 mm
`drawer_v2_variant`	208 × 20 mm	2.1 mm	312 mm	125 mm	130 mm
`drawer_ep0`	130 × 14 mm	2.0 mm	195 mm	245 mm	90 mm
基准自带抽屉	80 × 18 mm	16.5 mm	180 mm	200 mm	200 mm

drawer_ep0_v2_var4 是 drawer_ep0_v2 的参数化编辑版本（把手段相同、长度增加 30%），两者形成对照实验以考察把手长度的影响。所有下游内容均由几何数据推导生成，相关脚本位于 RoboSynChallenge fork 中。

把手几何对成功率的影响

不同资产在相同动作图下的采集成功率差异显著：

资产	差异点	成功率
基准抽屉	—	100%
`drawer_ep0_v2`	窄钩间隙	100%
`drawer_ep0_v2_var4`	条长 +30%	~22%
`drawer_v2_variant`	312 mm 托盘、更厚条	~22%
`drawer_ep0`	14 mm 条、0.40 kg 托盘	3.2%
内凹式把手（未采集）	70 × 22 mm 凹槽	0%

drawer_ep0 的成功率经精确统计（1565 次尝试获得 50 个片段，耗时 29.5 小时）；中间两项为吞吐量推算。失败跨度达两个数量级，主要原因在于夹爪手指最大张开 100 mm 与内凹把手开口 70 × 22 mm 不匹配，属于末端执行器问题而非规划失败。夹爪力上限设为 15 N（针对 18 mm 条和 0.20 kg 托盘设计），过薄把手拖动较重托盘时会在推回阶段滑脱，提高刚度反而使闭合更差。