CoRL2026-CSI/teleop_close_lid_ws1

该数据集是一个机器人学数据集，使用LeRobot创建，专注于远程操作任务，具体为关闭盖子（teleop_close_lid）。数据集包含24个训练集，总帧数为2909，帧率为10fps。机器人类型为so_follower，特征包括动作（如肩部、肘部、腕部和抓手的关节位置）、观测状态（与动作相同的关节位置）、来自左腕和顶部摄像头的图像观测（分辨率为480x640，RGB三通道视频），以及时间戳、帧索引、集索引等元数据。数据以Parquet格式存储，视频以MP4格式存储，总数据文件大小为100MB，视频文件大小为200MB。数据集适用于机器人控制、强化学习或计算机视觉任务。This dataset is a robotics dataset created using LeRobot, focusing on teleoperation tasks, specifically closing a lid (teleop_close_lid). It contains 24 training episodes with a total of 2909 frames at a frame rate of 10 fps. The robot type is so_follower, and features include actions (e.g., joint positions for shoulder, elbow, wrist, and gripper), observation states (same joint positions as actions), image observations from left wrist and top cameras (resolution 480x640, RGB three-channel videos), and metadata such as timestamp, frame index, episode index, etc. Data is stored in Parquet format, videos in MP4 format, with total data file size of 100 MB and video file size of 200 MB. The dataset is suitable for robotics control, reinforcement learning, or computer vision tasks.

搜集汇总

数据集介绍

构建方式

teleop_close_lid_ws1数据集由LeRobot框架构建，专注于机器人遥操作任务。数据采集通过so_follower机器人完成，包含24个独立episode，总计2909帧时序数据，帧率设定为10 FPS。数据集以Parquet格式存储结构化数据，包括6维关节动作指令（如肩部、肘部、腕部及夹爪位置）及对应的观测状态，同时提供左右腕部和顶部两个视角的H264编码视频（分辨率480×640），实现状态与视觉信号的同步对齐。训练集与全集一致，采用分块存储结构以优化大规模场景下的加载效率。

使用方法

使用方法上，数据集已集成至LeRobot生态，用户可借助其可视化工具对样本进行交互式探索。通过指定配置文件'default'，Parquet数据与视频文件被自动关联，开发者可直接加载结构化数组用于模仿学习或强化学习训练。典型应用包括：利用'action'字段执行轨迹跟踪，通过'observation.state'与'observation.images'构建观测空间，并结合episode_index划分任务序列。对于视频帧，建议采用帧级采样或滑动窗口策略，以适应模型的时间依赖需求。

背景与挑战

背景概述

在机器人操作领域，基于人类遥操作示教生成示范数据是模仿学习的关键基础。teleop_close_lid_ws1数据集由CoRL2026-CSI研究团队创建，旨在捕捉“关闭盖子”这一精细操作任务的机器人演示轨迹。该数据集利用LeRobot框架构建，采用so_follower型机器人平台，包含24个操作片段、共计2909帧视觉与状态数据，提供来自左腕与顶部两个视角的同步视频和6维动作指令（涵盖肩部、肘部、腕部及夹爪控制）。作为面向细粒度操作任务的公开数据集，它为研究机器人在受控环境下的灵巧操控行为提供了标准化训练与评估资源，对推动机器人学习特定操作方法的研究具有重要参考价值。

当前挑战

该数据集所面对的领域核心挑战在于机器人对于非刚性物体或环境交互操作的精准模仿与泛化，即如何从有限的演示中习得“关闭盖子”这类涉及接触力与位姿配合的技能。构建过程中，挑战主要体现为数据采集的完整性与一致性：首先，仅配备左右腕与顶部两个视角，可能难以充分捕获操作过程中关键区域的深度与纹理细节；其次，24个片段、总计约100MB的数据规模相对有限，且未划分验证集，增加了模型过拟合与泛化评估的难度；此外，机器人本体so_follower的控制精度与传感器噪声亦可能影响动作序列的复现效果。

常用场景

经典使用场景

在机器人精细操控领域，teleop_close_lid_ws1 数据集凭借其记录的遥操作闭合容器盖板的完整演示轨迹，成为研究模仿学习与行为克隆方法的经典素材。该数据集包含24段由力控从属机械臂（so_follower）执行的高质量任务示范，每个样本均同步存储六自由度关节状态、末端夹爪位置以及顶部与腕部双视角视觉观测，为从多模态感知映射到连续动作空间提供了数据支撑。研究者可借助该数据集训练端到端的神经策略模型，例如基于扩散策略或动作分块变换器的动作预测网络，从而让机器人习得闭合盖板这一灵巧操作技能，提升对非结构化环境的适应能力。

解决学术问题

该数据集聚焦于解决精细装配与密闭操作场景中机器人技能泛化能力不足的学术难题。传统方法依赖于手工设计的控制逻辑，难以应对不同形状的容器盖板及微小的位姿偏差。teleop_close_lid_ws1 通过提供带有时间戳的连续动作序列与状态信息，支持研究者探索如何利用大规模演示数据学习具有鲁棒性的闭环控制策略。其所推动的模仿学习研究，在减少对人工编程依赖的同时，显著增强了机器人在复杂接触作业中的自适应水平，为从结构化制造走向非结构化家庭服务奠定了方法基础。

实际应用

在工业自动化与家庭服务部署中，该项数据集赋能机器人完成诸如拧紧药瓶盖、关闭烹饪锅盖、密封化学品容器等日常与生产中的闭合任务。通过在该数据集上训练的策略模型，机器人能够在感知到盖板位姿、接触力变化及视觉反馈后，实时调整关节运动轨迹与夹爪施力大小，实现安全可靠的密闭操作。该能力尤其适用于实验室试剂管理、无菌包装生产线以及老年陪护场景中的独立物件操控，降低了人力参与的风险与成本，拓展了机器人系统在精细化操作领域的高价值应用边界。

数据集最近研究

最新研究方向

该数据集聚焦于机器人精细操作中的‘合盖’任务，属于灵巧操作与行为克隆的前沿交叉领域。通过so_follower机械臂的遥操作示范，收集包含6维关节动作与多视角视觉信息（左腕、顶部）的高保真轨迹数据，为研究基于视觉的机器人模仿学习提供了稀缺的封闭式任务范例。当前，随着具身智能与大模型结合的浪潮兴起，这类针对特定工业或家庭场景（如容器封盖、精密装配）的微调数据集，正成为突破机器人泛化能力瓶颈的关键资源。该数据集在CoRL2026会议背景下发布，意味着它可能服务于下一代作业系统在闭环操作与环境交互中的鲁棒性验证，其采用LeRobot社区标准格式，亦便于全球研究者复现与扩展，对推动具身操作从实验室走向真实世界具有显著意义。