KuphDev/place_yellow_duck_pruned

该数据集是一个机器人控制数据集，由LeRobot创建，用于训练机器人模型。数据集包含109个episodes，总计97241帧，帧率为30fps。数据特征包括动作（action）和观测（observation），其中动作和状态观测均包含6个关节位置（如肩部平移、肩部升降、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置）。观测还包括顶部摄像头图像，分辨率为720x1280，3通道（RGB），视频编码为h264。数据集还包含时间戳、帧索引、episode索引等元数据。数据以parquet文件格式存储，总数据文件大小为100MB，视频文件大小为200MB。机器人类型为so_follower，数据集仅包含训练集（splits: train）。This dataset is a robotics control dataset created using LeRobot, designed for training robot models. It contains 109 episodes with a total of 97,241 frames at 30 fps. The features include actions and observations, where both actions and state observations consist of 6 joint positions (e.g., shoulder pan, shoulder lift, elbow flex, wrist flex, wrist roll, and gripper positions). Observations also include top camera images with a resolution of 720x1280 and 3 channels (RGB), encoded in h264. The dataset includes metadata such as timestamps, frame indices, episode indices, and more. Data is stored in parquet format, with a total data file size of 100 MB and video file size of 200 MB. The robot type is so_follower, and the dataset only includes a training split.

搜集汇总

数据集介绍

构建方式

该数据集名为place_yellow_duck_pruned，专为机器人领域设计，利用LeRobot框架构建。数据集包含109个episode，共97241帧，记录了单任务场景下机械臂放置黄色鸭子的操作过程。数据以parquet格式存储动作与状态信息，并配有720×1280分辨率的视频记录，帧率为30fps。原始数据被切分为大小为1000的chunk，视频文件独立存储为MP4格式，便于高效加载与处理。

使用方法

数据集可通过LeRobot库直接加载，利用其提供的可视化工具进行数据预览与探索。用户可基于提供的结构信息，将parquet数据与视频文件结合，构建完整的机器人操作序列。建议将数据拆分为训练集（全部109个episode）用于模型训练。使用时需注意动作与状态的6维向量格式，以及视频帧的时序对齐，可直接应用于行为克隆、强化学习等方法的训练与评估。

背景与挑战

背景概述

在机器人学习领域，模仿学习作为赋予机器人复杂操作能力的关键范式，其性能高度依赖于高质量、高保真的示范数据集。place_yellow_duck_pruned数据集应运而生，它由KuphDev团队基于LeRobot框架创建，旨在为机器人精细操作任务提供基准数据。该数据集聚焦于“放置黄色鸭子”这一具体任务，记录了机械臂（so_follower型）在执行该操作时的完整运动轨迹与视觉观测，共包含109个episode、超过9.7万帧数据，图像分辨率达720p，帧率为30fps。通过提供结构化的关节角度动作与状态信息，以及顶部摄像头的高清视频流，该数据集为研究基于视觉的机器人抓取与放置策略提供了标准化评测平台，对推动机器人任务泛化与策略迁移研究具有重要价值。

当前挑战

该数据集所应对的领域问题挑战在于，机器人需要从高维视觉输入与连续动作空间中，学习精确的物体抓取与放置策略，尤其面对目标物体（黄色鸭子）在非结构化环境中的姿态变化与遮挡，模型必须具备鲁棒泛化能力。在构建过程中，数据采集面临噪声与一致性挑战：机械臂的物理执行误差、传感器（如关节编码器、摄像头）的标定偏差，以及不同示教者操作风格的差异，均可能导致动作序列存在歧义。此外，有限样本量（仅109个episode）限制了数据覆盖的多样性，使模型易陷入过拟合，难以应对环境光照、背景或目标物体位置的细微变化，亟需结合数据增强或域随机化技术以提升策略的迁移性。

常用场景

经典使用场景

在机器人操作与模仿学习领域，place_yellow_duck_pruned数据集为研究精细化的抓取与放置任务提供了宝贵的资源。该数据集记录了机械臂在特定场景下执行“放置黄色鸭子”这一具身操作行为的完整轨迹，涵盖视觉观测与关节动作序列。研究者常将其作为基准，用于训练和评估基于视觉的运动策略模型，例如行为克隆和逆强化学习算法，以验证模型在结构化环境中对单一目标任务的泛化能力与精度。

解决学术问题

该数据集的核心价值在于解决了机器人学习中数据效率与任务可复现性的痛点。通过提供标准化、高质量的专家演示数据，它使得学术界能够系统性地研究如何从少量真实世界演示中习得鲁棒的操作策略，从而规避了大规模数据采集的繁重负担。其意义在于推动了端到端机器人学习范式的发展，为对比不同算法在低样本条件下的表现提供了统一平台，并促进了模仿学习在精密装配等领域的理论探索。

实际应用

在实际应用中，place_yellow_duck_pruned数据集为工业与服务业机器人的技能传授打开了新的窗口。基于该数据集训练出的策略模型，可被部署于柔性生产线上的物科分拣与装配环节，使机械臂能够根据视觉反馈自主完成目标物体的抓取与精准放置。此外，在家庭服务场景下，此类功能可迁移至协助机器人执行物品归置、桌面整理等日常任务，有效提升人机协作的灵活性与智能化水平。

数据集最近研究

最新研究方向

该数据集聚焦于机器人精细操作中的视觉运动策略学习，特别是针对“放置黄色鸭子”这一典型抓取与放置任务。其高分辨率视觉输入（1280x720）与高频动作序列（30 FPS）设计，为模仿学习与强化学习提供了理想的数据基底。当前研究热点集中于利用此类数据集训练端到端的机器人操控模型，探索在复杂场景下泛化能力与鲁棒性的提升。结合LeRobot生态，该数据集推动了低成本机器人平台在灵巧操作任务上的算法验证，为具身智能体的技能迁移与多任务学习开辟了新路径。