dataset-lvfm-v0

该数据集是使用LeRobot创建的，主要用于机器人技术领域。数据集包含60个episodes，3976帧，4个任务，数据以parquet格式存储。数据集包含多种特征，如动作（action）、观察状态（observation.state）、图像（observation.images.wrist/front）、视觉特征（observation.vfm_features.wrist/front）、技能特征（observation.skill_feature）、物体特征（observation.object_feature）、视觉语言模型特征（observation.vlm_features.wrist/front）等。数据集的视频分辨率为256x256，帧率为10fps。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Tsagkas/dataset-lvfm-v0
• 创建工具: 使用 LeRobot 创建。
• 任务类别: 机器人学
• 标签: LeRobot
• 许可证: Apache 2.0
• 主页: 未提供
• 论文: 未提供

数据集规模与结构

• 总情节数: 60
• 总帧数: 3976
• 总任务数: 4
• 数据块大小: 1000
• 数据文件总大小: 100 MB
• 视频文件总大小: 200 MB
• 帧率: 10 FPS
• 数据分割: 仅包含训练集，涵盖所有60个情节。
• 数据文件路径模式: data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
• 视频文件路径模式: videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

数据特征

数据集包含以下主要特征：

动作

• 数据类型: float32
• 形状: [7]
• 描述: 包含末端执行器的位置 (ee.x, ee.y, ee.z)、角速度 (ee.wx, ee.wy, ee.wz) 和夹爪位置 (ee.gripper_pos)。

观测

• 状态观测

  • 数据类型: float32
  • 形状: [7]
  • 描述: 包含夹爪位置、末端执行器角速度和位置。

• 图像观测

  • 手腕摄像头图像
    • 数据类型: video
    • 形状: [256, 256, 3]
    • 视频信息: 高度256像素，宽度256像素，编码器为av1，像素格式为yuv420p，非深度图，帧率10 FPS，3个通道，无音频。
  • 前视摄像头图像
    • 数据类型: video
    • 形状: [256, 256, 3]
    • 视频信息: 高度256像素，宽度256像素，编码器为av1，像素格式为yuv420p，非深度图，帧率10 FPS，3个通道，无音频。

• 视觉特征观测

  • 手腕摄像头VFM特征
    • 数据类型: float32
    • 形状: [16, 16, 768]
  • 前视摄像头VFM特征
    • 数据类型: float32
    • 形状: [16, 16, 768]
  • 手腕摄像头VLM特征
    • 数据类型: float32
    • 形状: [16, 16, 1024]
  • 前视摄像头VLM特征
    • 数据类型: float32
    • 形状: [16, 16, 1024]

• 技能与物体特征

  • 技能特征
    • 数据类型: float32
    • 形状: [1024]
  • 物体特征
    • 数据类型: float32
    • 形状: [1024]

索引与元数据

• 时间戳: float32，形状 [1]
• 帧索引: int64，形状 [1]
• 情节索引: int64，形状 [1]
• 索引: int64，形状 [1]
• 任务索引: int64，形状 [1]

引用信息

• BibTeX引用格式: 未提供。