Split_aloha_fold_the_pants

这是一个基于LeRobot格式的数据集，专注于机器人折叠裤子的任务。数据集包含了丰富的标注信息，如子任务分割、场景描述、末端执行器运动方向、速度和加速度等。数据集被分为训练集和测试集，并遵循Apache-2.0许可证。数据集由RoboCOIN团队贡献，是RoboCOIN项目的一部分。

原始信息汇总

Split_aloha_fold_the_pants 数据集概述

数据集基本信息

• 名称: Split_aloha_fold_the_pants
• 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

机器人配置

• 机器人类型: Split_aloha
• 代码库版本: v2.1
• 末端执行器类型: 两指夹爪

场景与动作

• 场景类型: 家庭环境
• 原子动作: 抓取、折叠

数据集统计

指标	数值
总情节数	494
总帧数	400404
总任务数	4
总视频数	1482
总分块数	1
分块大小	1000
帧率	30 FPS
数据集大小	8.3GB

任务描述

主要任务

• 裤子背面朝上，裤脚向左，左夹爪抓裤脚，右夹爪抓裤腿向前折叠，左夹爪提起折叠裤脚对折裤腿，调整裤子位置至桌子中心
• 裤子背面朝上，裤脚向右，右夹爪抓裤脚，左夹爪抓裤腿向前折叠，右夹爪提起折叠裤脚对折裤腿，调整裤子位置至桌子中心
• 裤子正面朝上，裤脚向左，左夹爪抓裤脚，右夹爪抓裤腿向前折叠，左夹爪提起折叠裤脚对折裤腿，调整裤子位置至桌子中心
• 裤子正面朝上，裤脚向右，右夹爪抓裤脚，左夹爪抓裤腿向前折叠，右夹爪提起折叠裤脚对折裤腿，调整裤子位置至桌子中心

子任务

1. 将裤子底部向上折叠
2. 从左向右折叠裤子
3. 从右向左折叠裤子
4. 无

数据特征

视觉观测

• observation.images.cam_high_rgb: 视频，720×1280分辨率，30 FPS，AV1编码
• observation.images.cam_left_wrist_rgb: 视频，480×640分辨率，30 FPS，AV1编码
• observation.images.cam_right_wrist_rgb: 视频，480×640分辨率，30 FPS，AV1编码

状态与动作

• observation.state: float32，26维状态向量
• action: float32，26维动作向量

注释信息

• 子任务注释: 细粒度子任务分割和标注
• 场景注释: 语义场景分类和描述
• 末端执行器注释: 方向、速度、加速度分类
• 夹爪注释: 模式、活动状态、开合尺度

数据组织

文件结构

• 数据文件: Parquet格式，路径模式：data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频文件: MP4格式，路径模式：videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

数据分割

• 训练集: 情节0-493

作者与链接

• 贡献者: RoboCOIN团队
• 主页: https://flagopen.github.io/RoboCOIN/
• 论文: https://arxiv.org/abs/2511.17441
• 代码库: https://github.com/FlagOpen/RoboCOIN
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

引用信息

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu et al.}, journal={arXiv preprint arXiv:2511.17441}, url={https://arxiv.org/abs/2511.17441}, year={2025} }

搜集汇总

数据集介绍

构建方式

在机器人操作研究领域，Split_aloha_fold_the_pants数据集采用基于LeRobot框架的扩展格式构建，通过双指夹爪机器人系统在家庭环境中执行折叠裤子的任务。数据采集过程涵盖494个完整操作片段，总计400404帧视觉与运动数据，以30帧每秒的速率记录三路摄像头视角。数据以分块形式组织，每个数据块包含1000个操作片段，采用Parquet格式存储状态、动作及丰富注释信息，确保与主流机器人学习框架的兼容性。

使用方法

研究者可通过LeRobot标准接口加载该数据集，直接访问分块存储的Parquet文件与MP4视频流。训练阶段可利用帧级状态动作对构建行为克隆模型，或结合子任务标注实现分层强化学习。多视角视觉观测支持跨模态表征学习，而端效应器位姿与运动特征可用于轨迹生成算法的验证。数据集提供完整的元数据描述文件，支持从动作序列提取到策略评估的全流程实验，适用于模仿学习、动作预测等机器人学习任务。

背景与挑战

背景概述

在机器人操作领域，双手机器人系统因其能够模拟人类双手协作的复杂任务而备受关注。Split_aloha_fold_the_pants数据集由RoboCOIN团队于2025年11月发布，作为RoboCOIN项目的重要组成部分，该数据集专注于家庭环境中的衣物折叠任务，特别是裤子的结构化折叠操作。数据集采用Split_aloha机器人平台，配备双指夹爪，记录了494个完整操作序列，涵盖超过40万帧的多视角视觉数据与丰富的运动注解。其核心研究问题在于解决柔性物体操作中的空间规划与双端协调控制，为机器人学习泛化操作策略提供了关键数据支撑，显著推动了家庭服务机器人的实际应用发展。

当前挑战

柔性物体操作始终是机器人领域的经典难题，裤子的折叠任务涉及非刚性物体的形变预测与稳定抓取，对机器人的感知与控制精度提出了极高要求。数据集构建过程中，双机器人臂的同步协调与动作时序对齐成为主要技术瓶颈，需确保左右夹爪在抓取、折叠等原子动作中的力控与轨迹一致性。多视角视觉数据的采集与标注同样面临挑战，包括不同摄像头视角下的空间标定统一、动态遮挡处理以及大规模视频数据的高效压缩存储。此外，模拟姿态数据与现实世界物理交互的准确映射，需要克服传感器噪声与动力学模型偏差，以保障动作注解的可靠性。

常用场景

经典使用场景

在家庭服务机器人研究领域，Split_aloha_fold_the_pants数据集通过494个完整操作序列与40万帧多视角视觉数据，为双指夹具机器人的衣物折叠任务提供了标准化测试平台。该数据集聚焦于裤子折叠这一典型家居场景，通过精确记录双机械臂的抓取、折叠等原子动作轨迹，成为验证模仿学习与行为克隆算法的基准环境。其丰富的末端执行器运动标注与多摄像头视角，使研究者能够系统性分析双臂协同操作中的时序依赖关系与空间约束问题。

解决学术问题

该数据集有效解决了机器人操作学习中动作序列长程依赖建模的学术难题。通过提供四种不同初始状态的裤子折叠任务变体，研究者可深入探索机器人对物体空间朝向变化的适应性。其精细的末端执行器位姿、速度、加速度标注为运动规划算法提供了量化评估依据，而子任务分段标注则支持分层强化学习中的技能抽象研究。这些特性显著推进了机器人对柔性物体操作的可泛化策略开发。

实际应用

在智能家居服务场景中，该数据集支撑的算法已应用于家庭护理机器人的衣物整理系统。通过模拟真实家庭环境下的布料操作挑战，训练出的模型能够适应不同材质与尺寸的衣物处理需求。其提供的多视角视觉反馈机制为机器人应对遮挡、形变等实际难题提供了解决方案，推动服务机器人从结构化工业环境向动态家居场景的跨越。

数据集最近研究

最新研究方向

在家庭服务机器人领域，Split_aloha_fold_the_pants数据集凭借其精细的衣物折叠任务标注，正推动机器人操作技能的前沿探索。该数据集通过多视角视觉观测与丰富的运动特征标注，为双机械臂协同操作研究提供了关键支撑。当前研究聚焦于基于模仿学习的动作生成算法优化，结合端到端仿真技术提升机器人对柔性物体的动态操控能力。随着家庭自动化需求增长，这类高精度操作数据集正成为具身智能与物理交互研究的重要基石，为通用家务机器人系统开发奠定数据基础。