GR1-Tabletop-Merged-100x24

GR1桌面合并LeRobot数据集是NVIDIA PhysicalAI-Robotics-GR00T-X-Embodiment-Sim集合中GR1桌面操作数据集的合并和子采样版本，格式化为LeRobot v2.0格式。数据集包含多个变体，每个变体有不同的演示/任务比例、任务数量、总片段数和总帧数。数据集主要用于机器人操作任务的研究和开发，特别是桌面物体的抓取和放置任务。

原始信息汇总

GR1 Tabletop Merged LeRobot Datasets 概述

基本信息

• 许可证: Apache 2.0
• 任务类别: 机器人学
• 标签: LeRobot, GR00T, GR1, robocasa, simulation, manipulation
• 数据规模: 10K<n<100K

数据集描述

该数据集是来自 NVIDIA PhysicalAI-Robotics-GR00T-X-Embodiment-Sim 集合中 GR1 桌面操作数据集的合并和子采样版本，格式为 LeRobot v2.0。

数据集变体

变体	演示/任务	任务	总情节数	总帧数	近似大小
1000x24/	1000	24个文件夹，186个独特任务	24,000	6,020,058	~40 GB
300x24/	300	24个文件夹，186个独特任务	7,200	1,803,236	~12 GB
100x24/	100	24个文件夹，185个独特任务	2,400	602,846	~4 GB

源数据集

原始数据集下载自：nvidia/PhysicalAI-Robotics-GR00T-X-Embodiment-Sim

使用的24个源任务文件夹（每个包含1000个演示）：

• 6个 PnP 任务：Bottle→Cabinet, Can→Drawer, Cup→Drawer, Milk→Microwave, Potato→Microwave, Wine→Cabinet
• 18个 PosttrainPnPNovel 任务：物体在不同表面间的转移任务（Cuttingboard→{Basket,Cardboardbox,Pan,Pot,Tieredbasket}, Placemat→{Basket,Bowl,Plate,Tieredshelf}, Plate→{Bowl,Cardboardbox,Pan,Plate}, Tray→{Cardboardbox,Plate,Pot,Tieredbasket,Tieredshelf}）

处理流程

每个合并数据集通过以下步骤创建：

1. 子采样：从24个任务文件夹中随机采样N个情节（种子=42）
2. 合并：将所有采样情节合并为单个数据集，包含：
   • 重新索引的情节ID（0至总数-1）
   • 跨所有源文件夹的全局重新索引的任务ID
   • 更新了 episode_index、task_index 和 index 列的parquet文件
   • 合并的 meta/ 文件（info.json、episodes.jsonl、tasks.jsonl、modality.json）

关于任务数量的说明

100x24 变体有185个独特任务，而非186个。这是因为某些任务文件夹包含多个任务变体（例如，PosttrainPnPNovelFromTrayToTieredbasket 文件夹有10个不同的物体变体，如茄子、番茄等）。“茄子”变体仅在1000个源情节中的58个里出现，因此当仅随机采样100个情节时，没有选中任何茄子情节。这是随机子采样的预期行为。

数据集结构 (LeRobot v2.0)

<variant>/ ├── data/ │ └── chunk-000/ │ ├── episode_000000.parquet │ ├── episode_000001.parquet │ └── ... ├── videos/ │ └── chunk-000/ │ └── observation.images.ego_view/ │ ├── episode_000000.mp4 │ ├── episode_000001.mp4 │ └── ... └── meta/ ├── info.json ├── episodes.jsonl ├── tasks.jsonl ├── modality.json ├── stats.json └── relative_stats.json

特征

特征	类型	形状
observation.images.ego_view	视频 (h264)	[256, 256, 3] @ 20fps
observation.state	float64	[44]
action	float64	[44]
timestamp	float64	[1]
next.reward	float64	[1]
next.done	bool	[1]
task_index	int64	[1]
episode_index	int64	[1]
annotation.human.coarse_action	int64	[1]

机器人：GR1ArmsAndWaistFourierHands（44自由度：手臂、手、腿、颈部、腰部）