eval_results_smolvla

该数据集基于LeRobot平台构建，专注于机器人技术领域，特别针对so_follower类型机器人。它包含机器人的动作指令、状态观测和视觉观测数据，数据以parquet文件格式存储，并配有对应的mp4格式视频文件。数据集采用块状结构组织，每块包含1000个样本。总规模暂未明确统计（如总episodes、frames、tasks显示为0），但数据文件总大小约为100MB，视频文件总大小约为200MB，视频帧率为30fps。核心特征包括：动作空间（action），由6个浮点数组成，分别对应肩部平移、肩部抬升、肘部弯曲、腕部弯曲、腕部旋转和夹爪的位置；观测状态（observation.state），同样包含6个浮点数，用于描述机器人关节位置；两个相机图像观测（observation.images.camera1和camera2），均为480x640分辨率的三通道RGB视频；此外，还包括时间戳（timestamp）、帧索引（frame_index）、episode索引（episode_index）、全局索引（index）和任务索引（task_index）等元数据字段。该数据集适用于机器人模仿学习、强化学习、行为克隆等任务的研究与开发。

原始信息汇总

数据集概述

• 数据集名称：eval_results_smolvla
• 数据集地址：https://huggingface.co/datasets/adi2440/eval_results_smolvla
• 许可证：Apache-2.0
• 任务类别：机器人学（robotics）
• 标签：LeRobot

数据集来源

该数据集使用 LeRobot 创建。

数据集结构

数据集以 Parquet 格式存储，视频文件以 MP4 格式存储，具体结构如下：

• 数据文件路径：data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
• 视频文件路径：videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4
• 机器人类型：so_follower
• 总集数：0
• 总帧数：0
• 总任务数：0
• 块大小：1000
• 数据文件大小：100 MB
• 视频文件大小：200 MB
• 帧率（fps）：30
• 分割（splits）：无

特征（Features）

特征名称	数据类型	形状	描述
action	float32	[6]	包含6个关节的动作指令：shoulder_pan.pos, shoulder_lift.pos, elbow_flex.pos, wrist_flex.pos, wrist_roll.pos, gripper.pos
observation.state	float32	[6]	机器人状态观测值，与动作特征维度相同，同样包含6个关节位置
observation.images.camera1	video	[480, 640, 3]	来自摄像头1的RGB视频帧，分辨率480x640，3通道
observation.images.camera2	video	[480, 640, 3]	来自摄像头2的RGB视频帧，分辨率480x640，3通道
timestamp	float32	[1]	时间戳
frame_index	int64	[1]	帧索引
episode_index	int64	[1]	集索引
index	int64	[1]	全局索引
task_index	int64	[1]	任务索引

引用信息

目前暂无具体的引用信息。

搜集汇总

数据集介绍

构建方式

在机器人学习领域，精准的动作与感知数据是模型训练的基石。eval_results_smolvla数据集基于LeRobot框架构建，数据以Parquet格式存储，并关联对应的视频文件。数据集通过预设的元信息配置文件（meta/info.json）组织，详细记录了机器人类型（so_follower）、数据分块策略（chunks_size为1000）以及文件路径结构。数据采集包含6维动作指令（如肩关节位置和夹爪状态）与对应的观察状态，同时整合了双视角摄像头（camera1和camera2）的高清视频流（480x640分辨率），形成完整的动作-感知闭环。

特点

该数据集的核心特点在于其多模态与结构化设计。它融合了高精度浮点型动作序列（30fps采样率）与实时的视觉观测，为模仿学习或强化学习任务提供了丰富的环境反馈。数据特征包含时间戳、帧索引和任务索引等关键元信息，便于时序对齐与任务划分。不过，当前版本记录的总剧集数和总帧数为零，表明这是一个待填充的评估结果模板，其设计预留了100MB数据文件和200MB视频文件的存储空间，适合中等规模的机器人操作场景研究。

使用方法

用户可通过LeRobot库直接加载该数据集，利用其标准化的数据接口读取Parquet文件中的动作与状态张量，并通过视频路径访问同步录制的视觉片段。在模型训练或评估中，可依据episode_index和task_index对数据进行分轨抽取，结合chunks_size参数按批次处理。尽管当前无预定义数据划分，用户可自行构建训练与验证集。数据集遵循Apache-2.0开源许可，便于学术研究与工业应用中的二次开发与发布。

背景与挑战

背景概述

eval_results_smolvla数据集诞生于机器人学习领域对高效数据驱动的模仿学习日益增长的需求之际，由Hugging Face社区依托其LeRobot框架创建，采用Apache-2.0许可证开放共享。该数据集聚焦于“so_follower”机器人平台，通过记录六维关节角度、双视角摄像头视频及时间戳等多模态信息，旨在为多任务机器人操控策略的评估提供标准化基准。其核心研究问题在于如何利用精简的轨迹数据（当前版本显示零轨迹）验证模仿学习算法的泛化能力与复现性。作为LeRobot生态的一部分，该数据集推动了机器人学习社区中数据集标准化与工具链统一化的进程，为后续大规模、多形态机器人的评估研究奠定了基础。

当前挑战

该数据集面临的首要领域挑战在于机器人操控任务的复杂性：高维连续动作空间、部分可观测的环境状态以及动态交互的物理约束，使得基于固定轨迹的评估难以全面反映算法的鲁棒性。构建过程中，数据集遭遇了数据稀疏性的关键难题——元信息显示总轨迹数与帧数为零，暗示当前版本仅具备框架结构而缺乏有效样本，这源于数据采集环节对硬件同步、传感器校准与任务场景多样性的苛刻要求。此外，视频与状态数据的异构融合（如30fps的高清图像与1kHz的关节控制频率匹配）以及大规模数据存储与检索的效率瓶颈，均为数据集的实用化设置了严峻障碍。

常用场景

经典使用场景

eval_results_smolvla数据集是专为机器人模仿学习领域构建的基准评估资源，其核心应用场景聚焦于验证和比较各类机器人操控模型在精细化任务上的性能。该数据集采集自一种特殊的双臂协同机器人平台，包含来自双视角摄像头的视觉观测、六自由度关节状态以及对应的末端执行器动作序列，为研究从视觉输入到连续动作映射的端到端学习范式提供了标准化的测试平台。

实际应用

实际应用中，该数据集所支撑的模型可被部署于工业精密装配、柔性物料抓取以及服务型机器人辅助操作等场景。借助数据集中高频率的关节控制信号与视频记录，机器人得以在模拟环境中习得类似人类的操作技能，并泛化至真实生产线的分拣、定位与协同任务，显著降低了对传统手工编程的依赖，为实现自适应、高柔性的自动化生产线提供了可行的数据基石。

衍生相关工作

围绕该数据集衍生了若干经典工作，如基于扩散策略的动作生成模型、结合Transformer架构的多模态融合框架以及针对少样本模仿学习的数据高效算法。这些研究利用数据集中的标准格式与双视角信息，验证了注意力机制在长程动作依赖建模中的优越性，或探索了通过对比学习提升状态表征的一致性与迁移能力，进一步拓展了LeRobot生态内技术在复杂操控场景下的应用边界。