salmonHan/record-test_20260528_002906

该数据集使用LeRobot创建，属于机器人领域。数据集包含1个总集数、1797个总帧数和1个总任务，以30fps的帧率记录。数据文件以parquet格式存储，视频文件以mp4格式存储，总数据文件大小为100MB，视频文件大小为200MB。特征包括动作（如肩部平移、肩部升降、肘部弯曲、腕部弯曲、腕部滚动和夹爪位置）、观测状态（与动作相同）、前视图像（分辨率为720x1280，3通道）、时间戳、帧索引、集索引、索引和任务索引。数据集适用于机器人控制和学习任务。This dataset was created using LeRobot and belongs to the robotics domain. It contains 1 total episode, 1797 total frames, and 1 total task, recorded at 30fps. Data files are stored in parquet format, and video files are stored in mp4 format, with a total data file size of 100MB and video file size of 200MB. Features include action (such as shoulder pan, shoulder lift, elbow flex, wrist flex, wrist roll, and gripper position), observation state (same as action), front images (resolution 720x1280, 3 channels), timestamp, frame index, episode index, index, and task index. The dataset is suitable for robot control and learning tasks.

搜集汇总

数据集介绍

构建方式

该数据集依托于LeRobot框架构建，聚焦于机器人操控领域，通过单次任务录制，采集了共计1797帧、持续时长约1分钟的高频数据。数据以Parquet格式存储，并辅以MP4视频记录，结构上划分为训练集，支持高效的回放与重训。传感信息涵盖6维关节动作与状态数据，包括肩部、肘部、腕部及夹爪的位置参数，同时配备1280×720分辨率的前置摄像头视频流，实现了多模态信息的同步采集与整合。

特点

数据集以高密度时间序列为特色，以30帧/秒的速度捕捉机器人精细动作，确保微观操作的连贯性与细节保真度。静态数据维度精简，仅包含6维动作与状态变量，但视频数据提供丰富的视觉上下文，为基于视觉的模仿学习提供了坚实基础。此外，数据集遵循Apache-2.0开源协议，便于学术研究与工业应用中的自由使用与再分发。

使用方法

使用者可通过LeRobot工具链直接加载与解析该数据集，利用其内置的Visualize Dataset界面进行交互式可视化，观察机器人动作序列与对应视频回放。数据按块索引组织，便于分片读取与流式处理，适合训练端到端的机器人操控模型。典型应用场景包括基于动作克隆的模仿学习与强化学习训练，开发者可直接使用预定义的6维动作空间进行策略学习与评估。

背景与挑战

背景概述

该数据集由salmonHan团队基于LeRobot框架创建，发布于2025年，专注于机器人操作技能的学习与模仿。核心研究问题在于如何通过少量示教数据实现机器人对复杂任务的精准复现，尤其在协作型机器人领域具有重要探索价值。数据集以so_follower型号机器人为载体，采集了单一任务下的1797帧高保真数据，包含6维关节动作指令、状态观测及前视摄像头视频流（30fps, 720×1280）。其采用Apache-2.0协议开放，为机器人行为克隆、动作表征学习等研究方向提供了结构化、规模可控的基准资源，推动低成本机器人数据采集与复用技术的发展。

当前挑战

所解决的领域问题在于，机器人操作任务通常依赖大量人工遥操作或仿真环境生成数据，实际部署中面临示教效率低、跨场景泛化难等挑战。该数据集仅包含单个任务、单条轨迹，数据规模极为有限，难以支撑高维动作空间的鲁棒学习。构建过程中，挑战包括：1)Limited Data Scale：仅1个episode共1797帧，难以覆盖任务内的环境变化与随机扰动；2)Sensor Alignment：同步高帧率视频（30fps）、关节状态与动作标签在时序对齐上存在精度风险；3)Representation Gap：6维离散动作空间无法充分表达连续柔顺控制中的力-位耦合特性，且缺乏触觉等多模态信息。

常用场景

经典使用场景

在机器人学习领域，数据集record-test_20260528_002906作为LeRobot生态下的精细操控数据资源，其经典使用场景聚焦于模仿学习算法的训练与评估。基于该数据集中单条完整操作轨迹所包含的1797帧高分辨率视觉图像与六自由度关节动作序列，研究者能够构建从视觉观测到机械臂动作的直接映射模型。这种端到端的学习范式允许机器人通过观看示范视频并同步记录自身状态，逐步掌握诸如物品抓取、精密装配等复杂操控技能，由此推动了基于视觉的运动策略在真实物理世界中的可迁移性研究。

实际应用

在智能制造与辅助服务等实际场景中，该数据集所承载的示教学习范式具有显著的可部署价值。依托于其中精巧录制的抓取与腕部运动数据，工业机器人可被快速训练来执行重复性装配工序，极大缩短了传统编程所需的专业调优时间。在居家服务场景下，利用该数据集中30帧每秒的流畅影像与力控关节信息，服务型机器人能够通过观察人类演示的方式学会开瓶、拧螺丝等精细操作，从而在非结构化环境中展现出更贴近人类的行为模式与作业效率。

衍生相关工作

该数据集的公开衍生了一系列推动模仿学习发展的经典研究路径。基于其中包含的多视角视频与动作通道设计，研究者发展出混合高斯逆强化学习与对抗性示教生成网络，以增强机器人对未见过初始状态的泛化能力。同时，参考该数据集中视频编码与状态记录的同步架构，后续工作进一步提出了稀疏时序注意力变换器与目标条件化扩散策略，实现了从有限回合数据中提取更鲁棒操控原语的创作突破。这些经典之作共同构筑了现代机器人示教学习领域的核心方法论基石。