R1_Lite_open_and_close_the_freezer_door

这是一个基于LeRobot扩展格式的机器人数据集，使用R1_Lite机器人进行抓取、拾取、放置、打开等原子动作。数据集涵盖了家庭场景类型，并提供了丰富的注释信息和额外的特征。数据集被分为训练集和测试集，并遵循Apache-2.0许可证发布。

原始信息汇总

R1_Lite_open_and_close_the_freezer_door 数据集概述

基本信息

• 数据集名称: R1_Lite_open_and_close_the_freezer_door
• 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
• 场景类型: 家庭环境
• 原子动作: 抓取、拾取、放置、打开

数据集统计

指标	数值
总片段数	93
总帧数	170369
总任务数	1
总视频数	279
总分块数	1
分块大小	1000
帧率	30 FPS
数据集大小	6.6GB

任务描述

主要任务

将酸奶杯放入冰箱，然后取出并关闭冰箱门

子任务（19个）

1. 异常
2. 关闭冰箱门
3. 结束
4. 抓取酸奶
5. 空
6. 打开冰箱门
7. 将陶瓷杯放在桌子上
8. 将纸杯放在桌子上
9. 将酸奶放在冰箱上
10. 将酸奶放在桌子上
11. 将酸奶放在桌子上
12. 将陶瓷杯放入冰箱
13. 将纸杯放入冰箱
14. 将酸奶放入冰箱
15. 将酸奶放入冰箱
16. 从冰箱中取出陶瓷杯
17. 从冰箱中取出纸杯
18. 从冰箱中取出酸奶
19. 从冰箱中取出酸奶

数据特征

视觉观测

• 3个相机视角: 高位RGB、左手腕RGB、右手腕RGB
• 分辨率: 720×1280
• 编码: AV1
• 帧率: 30 FPS

状态与动作

• 观测状态: 14维浮点数组（关节角度和夹爪状态）
• 动作: 14维浮点数组（关节角度和夹爪控制）

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: 模式（开/关）、活动状态、开合尺度

运动特征

• 末端执行器仿真位姿: 12维6D位姿信息
• 方向分类: 左右末端执行器运动方向
• 速度分类: 左右末端执行器速度大小
• 加速度分类: 左右末端执行器加速度大小

数据组织

文件结构

• 数据文件: Parquet格式，按分块组织
• 视频文件: MP4格式，按相机视角组织
• 元数据: JSON格式，包含数据集信息

数据分割

• 训练集: 片段0-92

作者与链接

• 贡献者: RoboCOIN团队
• 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

兼容性

• 基于LeRobot格式扩展
• 完全兼容LeRobot框架

引用信息

如需在研究中引用此数据集，请使用提供的BibTeX条目。

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，该数据集采用R1_Lite双指夹爪机器人，通过结构化实验范式构建而成。数据采集过程涵盖93个完整操作序列，总计17万帧视觉与状态数据，以30帧率记录家庭场景下的冰箱门开闭及酸奶杯存取任务。数据以LeRobot扩展格式存储，通过分块机制组织为千帧单元，确保时序连贯性与存储效率。

特点

该数据集以多模态标注体系为显著特征，集成三视角RGB视频流与14维关节状态空间。其标注粒度涵盖末端执行器六维位姿、运动学参数及夹爪开合状态，同时提供19类细分子任务的分段标识。数据规模达6.6GB，包含279段同步视频，为双臂协调操作研究提供高维度观测空间。

使用方法

研究者可通过加载标准parquet格式文件访问多维时序数据，利用预定义特征字段重建机器人状态-动作序列。训练集包含0-92号完整操作片段，支持端到端模仿学习与分层策略建模。数据接口兼容LeRobot生态，可直接调用其工具链进行行为克隆、逆动力学学习等任务，加速家庭服务机器人算法开发。

背景与挑战

背景概述

在机器人操作领域，家庭环境下的精细物体操控一直是研究难点。R1_Lite_open_and_close_the_freezer_door数据集由RoboCOIN团队于2025年发布，聚焦于双臂机器人执行冰箱门开关及酸奶杯存取等复合任务。该数据集基于LeRobot框架构建，包含93个任务片段、17万帧多视角视频数据，通过双指夹爪的精细动作记录，为家庭服务机器人的复杂操作策略研究提供了重要数据支撑。

当前挑战

该数据集旨在解决家庭场景中机器人双臂协调操作的难题，包括物体抓取精度、门体动力学控制等核心问题。构建过程中面临多重挑战：多传感器数据同步需要精确时间对齐，17万帧视频与关节数据的融合处理对存储架构提出严格要求；19类子任务的细粒度标注需保持语义一致性，而双机械臂的6D位姿标注则涉及复杂的坐标转换验证。

常用场景

经典使用场景

在家庭服务机器人领域，该数据集聚焦于冰箱门开闭操作的精细化学习场景。通过记录R1_Lite双指夹爪机器人在家庭环境中执行酸奶杯存取任务的完整流程，为机器人操作策略研究提供了多视角视觉数据与运动轨迹标注。其包含的抓取、放置、开启等原子动作序列，成为验证分层强化学习与模仿学习算法的典型实验平台。

实际应用

在智能家居系统中，该数据集支撑的服务机器人可自主完成食品存储管理任务。基于数据驱动的控制策略使机器人能够适应不同材质容器的抓取操作，实现冰箱门的精准开闭控制。这种能力对于老年照护与智能厨房场景具有重要价值，为家庭服务机器人的实际部署提供了可靠的技术验证基础。

衍生相关工作

基于该数据集衍生的研究主要围绕RoboCOIN框架展开，推动了机器人操作知识的迁移学习。相关研究通过提取数据中的运动基元特征，发展了跨场景的技能泛化方法。在LeRobot生态系统中，该数据集促进了双臂协调操作模型的创新，为开源机器人社区提供了标准化测试基准，催生了多模态感知与控制融合的新范式。