R1_Lite_take_and_place_the_portable_power_bank

这是一个基于LeRobot格式的机器人数据集，用于机器人操作任务。数据集包括各种标注和特征，以支持不同的学习方法。数据集分为训练和测试两部分，以parquet文件的形式包含状态和动作数据，以及视频文件用于视觉观察。数据集还包括元数据和标注，用于子任务、场景和末端执行器。

原始信息汇总

R1_Lite_take_and_place_the_portable_power_bank 数据集概述

基本信息

• 数据集名称: R1_Lite_take_and_place_the_portable_power_bank
• 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
• 帧数范围: 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: 17.3GB

场景与动作

场景类型

• 家庭环境

原子动作

• 抓取
• 拾取
• 放置

数据统计

指标	数值
总片段数	110
总帧数	237234
总任务数	1
总视频数	330
总分块数	1
分块大小	1000

任务描述

主要任务

打开布袋取出移动电源然后放回

子任务

1. 异常
2. 关闭储物盒顶部
3. 结束
4. 抓握手柄
5. 再次抓握手柄
6. 抬起黑盒
7. 空
8. 打开储物盒顶部
9. 放回黑盒
10. 释放手柄

数据特征

视觉观测

• observation.images.cam_high_rgb: 视频 (720×1280×3, AV1编码)
• observation.images.cam_left_wrist_rgb: 视频 (720×1280×3, AV1编码)
• observation.images.cam_right_wrist_rgb: 视频 (720×1280×3, AV1编码)

状态与动作

• observation.state: 浮点32 (14维关节状态)
• action: 浮点32 (14维动作命令)

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: 开闭状态、活动状态

数据分割

• 训练集: 片段0-109

文件结构

数据集根目录/ ├── annotations/ (注释文件) ├── data/chunk-000/ (数据文件，Parquet格式) ├── meta/ (元数据文件) └── videos/chunk-000/ (视频文件，MP4格式) ├── observation.images.cam_high_rgb/ ├── observation.images.cam_left_wrist_rgb/ └── observation.images.cam_right_wrist_rgb/

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

贡献者

• RoboCOIN团队

引用格式

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu et al.}, journal={arXiv preprint arXiv:2511.17441}, year={2025} }

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_take_and_place_the_portable_power_bank数据集采用基于LeRobot框架的扩展格式构建，通过R1_Lite型双指夹爪机器人在家庭场景中执行移动电源取放任务。数据采集过程涵盖110个完整操作序列，总计237,234帧视觉与运动数据，以30帧率的多视角视频流同步记录机械臂关节状态、末端执行器位姿及夹爪动作。数据以分块形式组织，每个数据块包含1000个操作片段，采用Parquet格式高效存储观测图像、状态向量与动作指令，确保时序对齐与结构一致性。

特点

该数据集在机器人操作学习领域展现出多模态融合的显著特点，集成三路高清RGB视频流，分别从高位视角、左右腕部视角捕捉操作过程。运动特征层面提供六维末端执行器仿真位姿、速度方向分类及加速度幅度标注，夹爪状态则涵盖开合尺度连续测量与活动模式离散分类。任务标注体系包含精细化的子任务分割，涵盖提握把手、开启储物盒等10类操作单元，辅以场景语义标注与时间戳索引，形成层次化的动作理解框架。数据规模达17.3GB，兼具操作多样性与标注丰富性。

使用方法

针对机器人模仿学习与策略训练需求，该数据集可通过LeRobot兼容接口直接加载，支持端到端的行为克隆与强化学习应用。研究者可依据标准数据路径模式调用训练集片段，解析Parquet文件中的多模态观测流与动作序列，利用预定义的特征维度重构机器人状态空间。对于特定研究目标，可提取子任务标注实现分段式策略学习，或结合末端执行器运动特征进行精细动作分析。视频数据可通过指定路径解码，与状态数据同步复现完整操作过程，为双臂协调操作算法验证提供完整实验基准。

背景与挑战

背景概述

在机器人操作领域，双手机器人执行精细抓取与放置任务的研究日益受到关注。R1_Lite_take_and_place_the_portable_power_bank数据集由RoboCOIN团队于2025年构建，依托LeRobot框架扩展格式开发，专注于解决家庭环境中移动电源的抓取与归位操作问题。该数据集通过集成多视角视觉观测、关节状态数据及丰富的动作标注，为双手机器人协同控制算法的训练与验证提供了重要支撑，推动了具身智能在复杂场景下的应用发展。

当前挑战

该数据集致力于解决双手机器人操作中物体抓取精度与放置稳定性的核心难题，涉及多模态感知融合与动态轨迹规划的复杂性。构建过程中面临多重挑战：需同步采集三路高清视频流与14维关节数据，确保时序对齐精度；针对抓取力度控制与物体形变补偿，需设计精细的夹爪状态标注体系；同时，在家庭非结构化场景中，需克服光照变化与遮挡干扰对动作分割的影响。

常用场景

经典使用场景

在机器人操作学习领域，该数据集聚焦于双手臂协同操作场景，通过记录R1_Lite机器人执行移动电源取放任务的完整流程，为模仿学习与强化学习算法提供标准化训练数据。其多视角视觉观测与精细动作标注体系，能够有效支撑机器人抓取、拾取、放置等基础操作的轨迹生成研究，成为家庭环境下物体操纵任务的重要基准。

衍生相关工作

依托RoboCOIN项目生态，该数据集已衍生出多项双手臂操作研究。基于LeRobot框架的扩展研究进一步丰富了操作技能表示学习方法，其多模态数据标注体系更催生了面向复杂操作任务的层次化强化学习新范式，为开源机器人社区提供了可复现的算法验证平台。

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_take_and_place_the_portable_power_bank数据集正推动双手机器人操作的前沿探索。该数据集通过多视角视觉观测与精细动作标注，为模仿学习与强化学习算法提供了真实世界的交互数据。当前研究聚焦于跨模态表示学习，利用末端执行器姿态、抓取状态等丰富注释，提升机器人对复杂任务的泛化能力。随着RoboCOIN项目与LeRobot框架的整合，该数据集正成为开发自适应家居助手的关键资源，推动机器人从单一技能向多任务协作的演进。