record-test2_20260709_132705

该数据集是一个机器人学数据集，使用LeRobot工具创建，专门用于机器人控制和模仿学习任务。数据集包含动作和观测数据，其中动作数据包括6个关节位置（肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置），观测数据包括相同的关节状态以及两个视频流：鸟瞰图（birdsEye）和塔式视图（tower），视频分辨率为480x640像素，帧率为30fps，编码为h264。数据集还包含时间戳、帧索引、episode索引、任务索引等元数据。总共有2个episodes，1068帧，数据以parquet格式分块存储，总数据大小为100MB，视频文件大小为200MB。机器人类型为so_follower，数据集仅包含训练分割。This dataset is a robotics dataset created using the LeRobot tool, specifically designed for robot control and imitation learning tasks. It includes action and observation data, where action data consists of 6 joint positions (shoulder translation, shoulder lift, elbow flexion, wrist flexion, wrist rotation, and gripper position), and observation data comprises the same joint states along with two video streams: a birds-eye view (birdsEye) and a tower view (tower). The videos have a resolution of 480x640 pixels, a frame rate of 30fps, and are encoded in h264. The dataset also contains metadata such as timestamps, frame indices, episode indices, and task indices. In total, there are 2 episodes and 1068 frames, with data stored in chunked parquet format, totaling 100MB in size, and video files amounting to 200MB. The robot type is so_follower, and the dataset only includes a training split.

原始信息汇总

数据集概述

• 数据集名称: ahmedaali/record-test2_20260709_132705
• 许可证: Apache-2.0
• 任务类别: 机器人学 (Robotics)
• 标签: LeRobot

数据集结构

• 数据类型: 采用 Parquet 和视频文件格式存储
• 配置: 默认配置 (default)，数据文件路径为 data/*/*.parquet
• 数据量:
  • 总集数: 2 集
  • 总帧数: 1068 帧
  • 总任务数: 1 个任务
  • 数据文件大小: 100 MB
  • 视频文件大小: 200 MB

特征说明

特征名称	数据类型	形状	说明
action	float32	[6]	6 维度动作，包含肩部、肘部、腕部及夹爪位置
observation.state	float32	[6]	6 维度状态观测，与动作命名相同
observation.images.birdsEye	视频 (H264)	[480, 640, 3]	鸟瞰视角图像，分辨率 480x640，30 FPS，RGB 3 通道
observation.images.tower	视频 (H264)	[480, 640, 3]	塔式视角图像，分辨率 480x640，30 FPS，RGB 3 通道
timestamp	float32	[1]	时间戳
frame_index	int64	[1]	帧索引
episode_index	int64	[1]	集数索引
index	int64	[1]	全局索引
task_index	int64	[1]	任务索引

数据集划分

• 训练集: 0:2（包含全部 2 集数据作为训练集）

额外信息

• 帧率: 30 FPS
• 机器人类型: so_follower
• 创建工具: 使用 LeRobot 框架生成
• 可视化: 可通过 可视化工具 查看数据集内容