机器人滑动触觉位姿数据

本数据集应用于具身智能领域中机器人滑动触觉感知与精细操作方向，具体为基于滑动触觉信号的物体六自由度位姿估计任务。适用条件：需使用DIGIT系列视觉触觉传感器（240×320分辨率，30Hz采样率）或兼容传感器采集的原始数据，配合TLabel工具包及支持CSV加载的下游训练框架使用。适用范围：覆盖10种YCB标准物体（糖盒、罐头、瓶子、杯子、马克杯、电钻、剪刀、扳手、锤子、棒球），每物体5条轨迹，共50个序列、182,983帧数据，每帧含触觉图像路径及传感器与物体的三维位置和四元数朝向标注。适用对象：工业制造企业（视觉受限环境下触觉引导抓取与装配）、服务机器人研发团队、高校科研机构的触觉感知研究、AI算法开发者的模型训练与评测。应用目的：训练触觉图像到物体位姿的端到端估计模型，训练跨物体跨轨迹泛化的操作策略，为触觉感知提供统一评测基准。要解决的主要问题：全球50+触觉传感器品牌数据格式碎片化导致跨平台迁移成本高；高质量滑动触觉标注数据稀缺；原始numpy与图像异构数据缺乏结构化索引。本数据集通过TLabel标准化为22维统一CSV格式解决上述问题。

搜集汇总

背景与挑战

背景概述

该数据集面向具身智能中的机器人滑动触觉感知与精细操作，用于基于滑动触觉信号估计物体六自由度位姿，需使用DIGIT系列视觉触觉传感器或兼容传感器采集的原始数据，并配合TLabel工具包及支持CSV加载的下游框架使用。数据覆盖10种YCB物体、每物体5条轨迹共50个序列、182,983帧，每帧含触觉图像路径及传感器与物体的三维位置和四元数朝向标注，并通过TLabel标准化为22维统一CSV格式。其面向工业制造、服务机器人研发、高校科研与AI算法开发，旨在支撑端到端位姿估计、跨物体跨轨迹泛化操作策略训练和统一评测，缓解触觉数据格式碎片化、高质量标注稀缺与异构数据缺乏结构化索引等问题。