so101_pick_cube_v2_eef

SO-ARM101 Pick Cube — EEF augmented数据集是一个机器人技术相关的数据集，专注于拾取和放置任务。该数据集是`ivlabs/so101_pick_cube_v2`的一个分支，增加了末端执行器姿态列和训练/验证分割。数据集包含90个训练集和10个验证集，每个集包含9-D姿态信息。此外，数据集还包含了GR00T模态键到parquet列的映射，以及原始episode索引的保留。

The SO-ARM101 Pick Cube — EEF augmented dataset is a robotics-related dataset focused on pick-and-place tasks. It is a fork of `ivlabs/so101_pick_cube_v2`, with added end-effector pose columns and train/validation splits. The dataset contains 90 training sets and 10 validation sets, each with 9-D pose information. Additionally, the dataset includes mappings from GR00T modality keys to parquet columns and retains the original episode indices.

原始信息汇总

数据集概述：SO-ARM101 Pick Cube — EEF augmented

• 数据集名称：SO-ARM101 Pick Cube — EEF augmented
• 数据集来源：基于 ivlabs/so101_pick_cube_v2 数据集进行增强
• 许可证：Apache-2.0
• 任务类别：机器人学（Robotics）
• 标签：LeRobot、so-arm101、so101、gr00t、end-effector、pick-and-place
• 数据集配置：
  • 配置名称：default
  • 训练集：90个episode（episode_000000 至 episode_000089）
  • 验证集：10个episode（episode_000090 至 episode_000099）

新增内容（相较于源数据集）

1. 末端执行器（EEF）位姿列：
   • 在每个episode的parquet文件中新增了 observation.state.eef_9d 和 action.eef_9d 列。
   • 9维位姿表示：[tx, ty, tz, R[0,:], R[1,:]]，通过SO101正向运动学从关节位置计算得出。
2. GR00T模态映射：
   • 新增 meta/modality.json 文件，将GR00T模态键映射到parquet列（状态/动作的EEF+夹爪、两个摄像头、语言）。
3. 数据集划分：
   • 重新编号episode，使LeRobot v2连续划分生效：
     • 训练集：90个episode（索引0至89）
     • 验证集：10个episode（索引90至99，原始episode索引为 [8, 9, 19, 41, 60, 68, 71, 82, 94, 96]，使用 numpy.default_rng(42).choice(100, 10, replace=False) 选取）。
4. 原始episode索引保留：
   • 每个episode的 meta/episodes.jsonl 和parquet文件中均包含 original_episode_index 列，可无歧义地回溯至源数据集。

数据集布局（LeRobot v2.1 格式，单块结构）

data/chunk-000/episode_0000NN.parquet # NN ∈ [00..99] videos/chunk-000/observation.images.{left,right,wrist}/episode_0000NN.mp4 meta/{info.json, episodes.jsonl, episodes_stats.jsonl, tasks.jsonl, modality.json}

注意事项

• 未提供 stats.json 和 relative_stats.json 文件，需在下载后按划分使用 python gr00t/data/stats.py 自行生成。
• 训练GR00T N1.7的详细示例请参考 Isaac-GR00T 仓库中的 examples/SO101_EEF/README.md 文件（完整路径：https://github.com/NVIDIA/Isaac-GR00T/tree/main/examples/SO101_EEF）。