sugarcube_in_mug_graspproj
收藏资源简介：
该数据集是为Grabette手持式夹爪准备的训练就绪LeRobot v3.0数据集，包含150个片段（共23046帧，50帧/秒），单一任务为“拿起糖杯”。相机采用腕部视角（observation.images.cam0），分辨率为480×360。动作空间为11维，包括笛卡尔相机局部增量（dx dy dz）、6维旋转表示（dr6d_0…5）以及夹爪的strategy和closure。观测状态为2维，即夹爪的strategy和closure。特别地，夹爪的两个通道被投影到(strategy, closure)表示，而非原始关节角度，因此在使用评估脚本时需启用投影解码。
This dataset is a training-ready LeRobot v3.0 dataset prepared for the Grabette handheld gripper, containing 150 episodes (total 23046 frames at 50 FPS) with a single task of pick up the sugar cup. The camera uses a wrist viewpoint (observation.images.cam0) with a resolution of 480×360. The action space is 11-dimensional, including Cartesian camera local increments (dx dy dz), a 6-dimensional rotation representation (dr6d_0…5), and the strategy and closure of the gripper. The observation state is 2-dimensional, i.e., the strategy and closure of the gripper. Notably, the two channels of the gripper are projected into (strategy, closure) representation instead of raw joint angles, so projection decoding must be enabled when using the evaluation script.
数据集概述
基本信息
- 数据集名称：grabette-sugar-cup-2008 — grasp-projected training dataset
- 数据集地址：https://huggingface.co/datasets/SteveNguyen/sugarcube_in_mug_graspproj
- 许可证：apache-2.0
- 任务类别：robotics
- 标签：LeRobot、grabette、openarm、manipulation
- 配置：config_name 为 default，数据文件路径为 data//.parquet
数据集说明
面向 Grabette 手持夹爪的训练就绪型 LeRobot v3.0 数据集，由 https://huggingface.co/datasets/chouziel/grabette-sugar-cup-2008 准备生成。
数据规模与规格
- 回合数：150 episodes
- 帧数：23046 frames
- 帧率：50 fps
- 任务：单一任务，
"pick up the sugar cup"
数据结构
- 相机：
observation.images.cam0，分辨率 480×360，腕部视角 action（11维）：笛卡尔相机局部增量dx dy dz+ 6D 旋转dr6d_0…5+ 夹爪strategy, closureobservation.state（2维）：夹爪strategy, closure
夹爪表示说明（训练前须知）
- 两个夹爪通道被投影为
(strategy, closure)，而非原始关节角度。 - 在原始演示角度上训练的策略会出现闭合不足：记录的角度是人类手指在按压物体时所在的位置，因此位置伺服回放该角度时会提前停止，无法夹住物体。
- 评估时需使用
evaluate.py --grasp_projection on，使策略的最后两个输出在到达伺服之前被解码回角度。
数据准备流程
执行命令：
bash ./run_pipeline.sh chouziel/grabette-sugar-cup-2008 --cameras right_cam0 --grasp-projection
步骤：剔除存在不可恢复 SLAM 丢失的回合 → 相机局部增量 + 逐帧去尖峰 → 480×360 重编码 → 夹爪投影。每个回合在重编码后均进行了解码校验。源相机流 right_cam0 被重命名为 cam0，以匹配训练与评估工具。
