bimanual_blue_block_handover_23

这是一个使用 LeRobot 工具创建的机器人数据集，包含 20 个 episodes，共计 24336 个 frames。数据集以 Apache-2.0 许可发布，适用于机器人学相关任务。数据集结构中包含了动作、观测状态、视频信息等多种特征，可用于机器人行为分析等研究。

原始信息汇总

数据集概述

基本信息

• 数据集名称: bimanual_blue_block_handover_23
• 任务类别: 机器人技术
• 标签: LeRobot
• 许可证: Apache-2.0

数据集结构

统计信息

• 总任务数: 1
• 总片段数: 20
• 总帧数: 24336
• 总视频数: 60
• 数据块数: 1
• 数据块大小: 1000
• 帧率: 30 fps
• 训练集划分: 0:20

数据格式

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

特征结构

动作特征

• 数据类型: float32
• 维度: [12]
• 关节名称:
  • 左肩平移位置
  • 左肩抬升位置
  • 左肘弯曲位置
  • 左腕弯曲位置
  • 左腕旋转位置
  • 左夹爪位置
  • 右肩平移位置
  • 右肩抬升位置
  • 右肘弯曲位置
  • 右腕弯曲位置
  • 右腕旋转位置
  • 右夹爪位置

观测状态

• 数据类型: float32
• 维度: [12]
• 关节名称: 与动作特征相同

图像观测

右手腕摄像头:

• 数据类型: 视频
• 分辨率: 480×640×3
• 视频编码: AV1
• 像素格式: yuv420p
• 非深度图

左手腕摄像头:

• 数据类型: 视频
• 分辨率: 480×640×3
• 视频编码: AV1
• 像素格式: yuv420p
• 非深度图

顶部RealSense摄像头:

• 数据类型: 视频
• 分辨率: 480×640×3
• 视频编码: AV1
• 像素格式: yuv420p
• 非深度图

元数据特征

• 时间戳: float32[1]
• 帧索引: int64[1]
• 片段索引: int64[1]
• 索引: int64[1]
• 任务索引: int64[1]

技术信息

• 代码库版本: v2.1
• 机器人类型: bi_so101_follower

搜集汇总

数据集介绍

构建方式

在机器人操作研究领域，bimanual_blue_block_handover_23数据集通过LeRobot平台精心构建，采用双手机器人系统记录20个完整交互任务。数据以30帧/秒的速率采集，包含24336个时间步的连续动作序列，每个动作维度涵盖12个关节位置控制指令。原始数据被分割为标准化块结构，存储于Parquet格式文件中，确保高效存取与跨平台兼容性。

特点

该数据集显著特征在于其多模态观测体系，同步整合了左右腕部摄像头及顶部RealSense相机的视觉流，分辨率达640x480像素。动作空间完整映射双侧机械臂的12个自由度控制，包括肩部平移、肘部屈伸及末端执行器操作。数据结构采用分层索引机制，通过帧索引与任务索引实现精确时序定位，为双臂协调控制研究提供立体化数据支撑。

使用方法

研究者可通过标准数据加载接口直接读取Parquet文件，利用帧索引实现特定时刻的动作-观测对齐。视觉数据以MP4格式独立存储，支持直接解码或流式处理。训练集涵盖全部20个任务序列，用户可基于关节角度数据重建运动轨迹，或结合多视角视觉输入开发感知-控制融合算法。数据集遵循Apache 2.0许可，支持机器人模仿学习与双手操作策略研究的直接应用。

背景与挑战

背景概述

在机器人协作领域，双手机器人系统的协调控制一直是研究热点。bimanual_blue_block_handover_23数据集由LeRobot团队基于其开源框架构建，聚焦于双手物体传递任务。该数据集通过记录双手机器人各关节位置、夹爪状态及多视角视觉数据，为研究双手协调运动规划提供了结构化实验数据。其包含20个完整交互序列与24336帧多模态数据，采用Apache 2.0许可协议开放，显著推进了机器人灵巧操作研究的发展。

当前挑战

该数据集致力于解决双手机器人动态物体传递的协调控制难题，需克服双臂运动轨迹同步、抓握力度适配等复杂问题。在构建过程中面临多传感器时序对齐挑战，包括12维关节空间数据与三路视觉流的高频同步采集。同时，双视角视觉数据融合与实时动作标注的精度保障，对数据采集系统的稳定性和计算资源提出了较高要求。

常用场景

经典使用场景

在机器人协作操作领域，bimanual_blue_block_handover_23数据集为双手机器人交接任务提供了标准化实验平台。该数据集通过记录双机械臂对蓝色积木的交接过程，包含完整的关节位置数据与多视角视觉信息，成为研究双臂协调控制算法的经典基准。其丰富的传感器数据流使研究者能够深入分析机械臂在动态环境中的运动规划策略，为机器人精细操作任务建立了可复现的实验框架。

衍生相关工作

该数据集已催生系列重要研究成果，特别是在模仿学习与强化学习方向。基于其构建的基准测试推动了分层控制策略、多智能体协同算法的发展，衍生出多个专注于双臂操作的任务规划框架。这些工作不仅拓展了机器人技能学习的边界，还促进了感知-动作闭环系统在复杂操作任务中的性能提升，为后续大规模机器人学习数据集的建设奠定了方法论基础。

数据集最近研究

最新研究方向

在机器人协作操作领域，bimanual_blue_block_handover_23数据集正推动双手机器人交接任务的前沿探索。该数据集通过LeRobot平台采集的双臂协同动作数据，为模仿学习与强化学习算法提供了丰富训练素材，尤其聚焦于多模态感知与精细动作控制的融合。当前研究热点集中于利用视觉-动作对齐技术提升交接过程的鲁棒性，结合实时手腕摄像头与关节状态数据，探索在动态环境中实现平滑人机交互的通用策略。这一进展对工业自动化与服务机器人发展具有深远意义，为复杂场景下的自主协作系统奠定了实证基础。