R1_Lite_take_or_store_plates

R1_Lite_take_or_store_plates数据集是基于LeRobot扩展格式的，与LeRobot完全兼容。数据集包含R1_Lite机器人类型，代码库版本为v2.1，末端执行器类型为两指抓取器。场景类型为家庭场景。原子动作包括抓取、拾取和放置。数据集统计信息显示总共有105个剧集，138676帧，1个任务，315个视频，1个数据块，每个数据块大小为1000，帧率为30，数据集大小为5.2GB。作者为RoboCOIN团队。数据集标签包括RoboCOIN和LeRobot。主要任务描述为在炉灶和橱柜抽屉上取出或存放盘子。数据集包括5个不同的子任务。数据集包括3个摄像头视图。数据集包括丰富的注释，包括子任务分割、场景描述、末端执行器方向、速度、加速度、抓取器模式、抓取器活动状态、末端执行器模拟姿态、抓取器开启比例等。数据集分为训练集和测试集。数据集结构遵循LeRobot格式，包含视频、状态数据、动作数据和元数据。数据集包括视觉观察、状态和动作、时间信息、注释和运动特征。数据集目录结构清晰。数据集版本信息显示版本为v1.0.0，发布时间为2025年11月。

原始信息汇总

R1_Lite_take_or_store_plates 数据集概述

基本信息

• 数据集名称: R1_Lite_take_or_store_plates
• 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
• 框架范围: 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: two_finger_gripper

场景与动作

场景类型

• home

原子动作

• grasp
• pick
• place

数据集统计

指标	数值
总片段数	105
总帧数	138676
总任务数	1
总视频数	315
总分块数	1
分块大小	1000
帧率	30
数据集大小	5.2GB

任务描述

主要任务

从炉灶和橱柜抽屉中取出或存放盘子

子任务

1. null
2. 从橱柜中拿起盘子
3. 从炉灶上拿起盘子
4. 将盘子放入橱柜
5. 将盘子放在炉灶上

数据特征

视觉观察

• observation.images.cam_high_rgb: 视频，720×1280×3，30fps，AV1编码
• observation.images.cam_left_wrist_rgb: 视频，720×1280×3，30fps，AV1编码
• observation.images.cam_right_wrist_rgb: 视频，720×1280×3，30fps，AV1编码

状态与动作

• observation.state: float32，14维
• action: float32，14维

时间信息

• timestamp: float32
• frame_index: int64
• episode_index: int64
• index: int64
• task_index: int64

标注信息

子任务标注

• subtask_annotation: int32，5维

场景标注

• scene_annotation: int32，1维

末端执行器标注

• 方向分类
• 速度大小分类
• 加速度大小分类

夹爪标注

• 夹爪模式（开/关状态）
• 夹爪活动状态（活动/非活动）

附加特征

• 末端执行器仿真位姿（6D位姿信息）
• 夹爪开合尺度（连续测量值）

数据划分

• 训练集: 片段0-104

文件结构

• 数据文件: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频文件: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4
• 分块组织: 1个分块，每个分块大小1000

作者信息

• 贡献者: RoboCOIN团队

相关链接

• 主页: https://flagopen.github.io/RoboCOIN/
• 论文: https://arxiv.org/abs/2511.17441
• 代码库: https://github.com/FlagOpen/RoboCOIN
• 项目页面: https://flagopen.github.io/RoboCOIN/
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

版本信息

• v1.0.0 (2025-11): 初始发布

搜集汇总

数据集介绍

构建方式

在机器人操作数据集构建领域，R1_Lite_take_or_store_plates数据集采用扩展的LeRobot格式进行系统化构建。该数据集通过R1_Lite型机器人配备双指夹爪，在家庭环境中执行餐具拿取与存放任务，共采集105个完整操作片段，涵盖138,676帧视觉数据。数据以分块方式组织为单个千级规模数据块，采用Parquet列式存储格式，确保数据读取效率与存储优化的平衡。

使用方法

针对机器人学习研究社区，该数据集支持端到端的操作策略训练流程。研究者可通过标准化的数据加载接口访问多模态观测数据，包括视觉流、关节状态与动作指令。数据集遵循LeRobot框架兼容性设计，可直接集成至现代强化学习与行为克隆算法管线。训练数据覆盖0至104号完整操作片段，用户可基于时间戳与帧索引实现精确的数据切片，同时利用细粒度子任务标注进行分层学习与技能组合研究。

背景与挑战

背景概述

在机器人操作领域，双手机器人执行复杂任务的能力一直是研究重点。R1_Lite_take_or_store_plates数据集由RoboCOIN团队于2025年发布，聚焦于家庭环境中餐具的取放操作。该数据集基于LeRobot框架构建，包含105个任务片段和超过13万帧数据，通过多视角视觉观测与精细的动作标注，为双手机器人协同操作研究提供了重要支撑。其核心研究问题在于解决机器人对日常物品的精确抓取与放置策略，推动了家庭服务机器人操作技能的智能化发展。

当前挑战

该数据集针对机器人操作中的动态环境适应性与多模态感知融合提出挑战。具体而言，双手机器人需在非结构化家庭场景中协调抓取力度与运动轨迹，同时处理视觉遮挡和物体姿态变化问题。数据构建过程中，面临多传感器时序同步精度保障、双机械臂动作轨迹的精确标注、以及大规模视频数据与状态动作数据的跨模态对齐等工程难题，这些因素共同构成了数据集开发的技术壁垒。

常用场景

经典使用场景

在家庭服务机器人研究领域，该数据集聚焦于餐具整理这一典型家庭任务，通过记录R1_Lite双臂机器人执行取放盘子的完整操作序列，为机器人操作技能学习提供了标准化的训练基准。其多视角视觉数据与精细的动作标注，使得研究人员能够系统分析抓取、拾取、放置等基础动作的时序组合规律，为复杂任务分解与动作规划算法的验证创造了理想条件。

解决学术问题

该数据集有效应对了机器人操作学习中动作表示与任务泛化的核心挑战。通过提供包含末端执行器位姿、速度、加速度等多维运动特征的真实交互数据，解决了传统仿真环境与真实物理场景间的表征差异问题。其精细的抓取器状态标注与子任务分割机制，为研究动作语义理解、技能迁移等关键问题提供了数据支撑，显著推进了具身智能在真实场景中的适应能力研究。

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厨房餐具收纳等日常任务，通过模仿人类操作习惯提升家庭服务自动化水平。其记录的双臂协调动作模式为工业分拣、物流仓储等领域的双臂协作机器人提供了可直接迁移的操作范式，同时数据集包含的防滑控制、避障轨迹等细节对开发安全可靠的民用机器人产品具有重要参考价值。

数据集最近研究

最新研究方向

在家庭服务机器人领域，R1_Lite_take_or_store_plates数据集凭借其精细的端到端操作标注体系，正推动模仿学习与行为克隆技术的深度革新。该数据集通过多视角视觉流与六维位姿轨迹的同步记录，为双臂协调抓取任务提供了高保真度的训练基础，尤其在家居场景的餐具整理任务中展现出卓越的泛化能力。随着RoboCOIN项目与LeRobot框架的深度融合，研究者正探索基于时空一致性的动作分割算法，以及结合物理仿真的动态抓取策略优化，这些进展将显著提升机器人在非结构化环境中的操作鲁棒性。