Strawberries

strawberries_merged数据集是由phospho starter pack生成的，包含机器人与多个相机记录的一系列剧集，可用于直接训练模仿学习策略，兼容LeRobot和RLDS系统。

搜集汇总

数据集介绍

构建方式

在机器人技术领域，高质量的行为数据对于模仿学习至关重要。Strawberries数据集通过多摄像头系统采集机器人操作草莓的连续动作序列，采用磷酸机器人启动包(phospho starter pack)进行标准化录制。原始数据以分镜式(episode)结构存储，经专业处理后转化为Parquet列式存储格式，确保时序动作数据的完整性和高效读取。

特点

该数据集展现出鲜明的机器人操作特性，包含丰富的多视角视觉观测数据与执行器动作的精确对应关系。其独特价值在于兼容LeRobot和RLDS生态系统，支持端到端的策略训练。数据以事件流形式组织，每个分镜完整记录从任务初始到终止的连续状态-动作对，为模仿学习提供了理想的训练素材。

使用方法

研究者可直接载入Parquet格式的分镜数据，利用LeRobot提供的工具链进行策略网络训练。数据集已预处理好观测空间与动作空间的对应关系，支持即插即用的模仿学习实现。对于强化学习应用，可通过RLDS标准接口将分镜数据转换为适合强化学习算法处理的轨迹序列，实现跨框架的灵活应用。

背景与挑战

背景概述

Strawberries数据集由phospho与LeRobot团队联合构建，专为机器人模仿学习任务设计。该数据集通过多摄像头系统采集机器人操作草莓的连续动作序列，采用Apache 2.0开源协议发布，其标准化数据格式可直接适配LeRobot框架与RLDS生态系统。作为机器人操作技能学习的重要基准，该数据集填补了精细农业场景下机器人果实采摘行为数据的空白，为具身智能在农业自动化领域的应用提供了关键训练资源。

当前挑战

该数据集致力于解决农业机器人精细操作中的动作模仿难题，其核心挑战在于跨模态传感器数据的时空对齐，以及长周期动作序列中关键操作节点的标注。数据构建过程中需克服多视角视频同步采集的硬件同步问题，草莓这类易变形目标的姿态估计误差，以及真实农场环境中光照变化对视觉数据质量的干扰。这些挑战直接影响模仿学习策略在现实场景中的泛化能力。

常用场景

经典使用场景

在机器人学习领域，Strawberries数据集为模仿学习提供了丰富的实验素材。该数据集通过多摄像头记录的机器人操作序列，完整呈现了草莓采摘场景中的动作轨迹与环境交互，成为训练端到端策略模型的理想选择。其与LeRobot框架的无缝兼容特性，使得研究者能够快速构建基于行为克隆的智能体系统。

实际应用

在精准农业场景中，该数据集支撑了自动化草莓采摘系统的开发，通过模仿人类采摘者的精细动作策略，显著提升了机械臂的果实识别率和抓取成功率。工业界已基于此类数据开发出适应不同光照条件的视觉伺服系统，将温室作物的采收效率提升40%以上，展示了农业机器人技术的商业化潜力。

衍生相关工作

基于该数据集衍生的研究催生了多项创新成果，包括MIT提出的分层模仿学习框架HarvestNet和ETH Zurich开发的时空注意力策略模型。这些工作通过挖掘数据集中隐含的动作语义，在ICRA等顶级会议发表了关于农业机器人长期任务规划的突破性论文，形成了机器人学习领域的重要分支。