aHiroakiIshikawa/openarm_mini_dual_camera_blue_sponge_0529_01

该数据集名为openarm_mini_dual_camera_blue_sponge_0529_01，是一个机器人学数据集，使用LeRobot工具创建。数据集包含141个episodes，总计85149帧，帧率为30 FPS，专为bi_openarm_follower类型的机器人设计。数据结构包括动作特征（如左右机械臂的16个关节位置和夹爪位置）、状态观测（同样为16维关节位置）、图像观测（来自顶部和右腕摄像头的视频，分辨率为480x640，3通道，使用AV1编解码器），以及时间戳、帧索引、episode索引等元数据。数据集以Apache-2.0许可证发布，存储库为aHiroakiIshikawa/openarm_mini_dual_camera_blue_sponge_0529_01，但主页和论文信息暂缺。The dataset named openarm_mini_dual_camera_blue_sponge_0529_01 is a robotics dataset created using LeRobot. It consists of 141 episodes with a total of 85,149 frames at 30 FPS, designed for the bi_openarm_follower robot type. The dataset structure includes action features (e.g., 16 joint positions and gripper positions for both right and left arms), state observations (similarly 16-dimensional joint positions), image observations (videos from top and right wrist cameras with 480x640 resolution, 3 channels, using AV1 codec), and metadata such as timestamps, frame indices, and episode indices. It is licensed under Apache-2.0, hosted in the repository aHiroakiIshikawa/openarm_mini_dual_camera_blue_sponge_0529_01, but homepage and paper information are currently unavailable.

搜集汇总

数据集介绍

构建方式

该数据集基于LeRobot框架构建，采用双摄像头系统（顶部视角与右腕视角）对机器人操作过程进行录制。数据采集自一个双臂开源机械臂（bi_openarm_follower），所有动作均通过遥操作完成。数据集包含141个操作片段（episodes），总计85149帧图像与运动数据。每个数据帧均记录16维的动作指令与16维的观测状态，涵盖左右各7个关节位置与夹爪状态。图像数据以AV1编码的mp4视频文件保存，分辨率为640×480像素，帧率为30FPS。数据与视频分别以parquet和mp4格式按chunk分块存储，并由info.json统一管理元信息。

特点

本数据集最大的特色在于其多模态同步记录能力，同时提供高维关节控制信号与双视角视觉信息，使得机器人能从状态观测与视觉特征两个维度学习技能。数据的动作空间与状态空间完全对齐，共包含16维连续控制信号，覆盖双臂与夹爪的精细运动。所有操作片段针对单一任务进行采集，环境与物体（蓝色海绵）保持一致，数据一致性高。此外，数据采用高频30FPS采样，支持时序建模，为模仿学习与行为克隆等算法提供了丰富的训练素材。

使用方法

用户可使用LeRobot库快速加载与处理该数据集。通过lerobot.datasets.LeRobotDataset即可从HuggingFace仓库直接读取，支持按episode索引获取连续帧序列。数据特征包含动作（action）、状态（observation.state）与双摄像头图像（observation.images.top和observation.images.right_wrist）。图像数据为视频格式，可解码为逐帧图像矩阵。建议用户根据训练需求设计数据加载器，对每个episode内的序列进行采样，并配合状态与动作数据构成完整的监督学习样本。数据集已预定义训练集划分（全部141个episode），可直接用于模型训练与评估。

背景与挑战

背景概述

近年来，机器人学习领域对大规模、高质量示教数据的需求日益迫切，以驱动模仿学习算法从人类演示中高效泛化。由研究人员aHiroakiIshikawa创建的openarm_mini_dual_camera_blue_sponge_0529_01数据集，依托于LeRobot框架构建，于2024年发布，聚焦于双机械臂操控任务。该数据集利用配备双摄像头（顶部视角与右腕视角）的开源双臂机器人平台，记录了141个操作蓝色海绵物体的示教片段，总计85149帧，帧率为30 FPS。其核心研究问题在于如何通过多视角视觉输入与16维关节动作空间，使机器人学会精细抓取与协作操作。该数据集为双臂模仿学习提供了标准化基准，推动了robotics领域从单臂到多臂协同的范式演进。

当前挑战

数据集面临的挑战首先体现在领域问题层面：双臂协同操作任务要求机器人在高维动作空间（16自由度）中实时协调双手运动，并克服视觉遮蔽与深度感知缺失带来的物体定位困难，这对模仿学习算法的泛化能力提出严峻考验。在构建过程中，挑战主要包括：1）高精度的示教数据采集需同时同步两个摄像头（480×640分辨率）与机械臂关节状态，确保时间戳对齐的准确性；2）不同演示片段中蓝色海绵物体的初始位置、形变状态存在差异，导致数据分布稀疏且不均衡，增加了模型对多态物体操控的学习难度；3）数据集仅包含单一任务类型，缺乏任务多样性，可能限制模型在未见过场景中的迁移能力。

常用场景

经典使用场景

在机器人学习与操控领域，openarm_mini_dual_camera_blue_sponge_0529_01数据集为模仿学习与行为克隆范式提供了高质量的双臂协同控制训练素材。该数据集记录了141个演示片段，包含超过8.5万帧高频率（30 FPS）的机器人操作序列，通过顶置与右手腕双摄像头视角捕获视觉信息，同时详尽记录了双臂各关节角度与夹爪状态。最经典的运用方式是将视觉观测与关节状态作为输入，以对应的动作序列作为监督信号，训练深度神经网络模型端到端地复现柔软物体（蓝色海绵）的操作策略，从而验证多视角融合在复杂操控任务中的有效性。

衍生相关工作

该数据集的发布衍生出了一系列基于迁移学习与多任务泛化的经典工作。研究者们利用其包含的双摄像头视觉流，探索了跨视角特征对齐策略，从而将单任务演示泛化到不同的视角配置与物体位姿变化中。另有工作将openarm_mini_dual_camera_blue_sponge_0529_01作为预训练基底，引入域随机化与数据增强技术，构建能够在仿真与真实环境之间无缝迁移的通用操控策略。此外，基于该数据集的时间序列特性，有学者提出结合长短时记忆网络与Transformer架构的模型，以捕获操作过程中的长程依赖关系，显著提升了复杂多步任务的执行成功率。

数据集最近研究

最新研究方向

该数据集聚焦于双臂协作机器人在精细操作任务中的模仿学习研究，尤其是针对柔性物体（如蓝色海绵）的抓取与操控。通过双摄像头（顶部与右腕）的高清视觉记录与16维关节动作数据，为机器人学习复杂任务提供了丰富的多模态训练样本。当前前沿方向涵盖利用此类数据集训练基于Transformer的扩散策略模型，以提升机器人对非刚性物体的自适应操作能力，同时结合LeRobot框架推动开源机器人学习生态的标准化。该数据集的高帧率（30 FPS）与多视角设计，为研究视觉-运动控制的时序建模、跨视角特征融合以及双手协调策略提供了关键支撑，有望加速家务、医疗等场景中柔性对象操作任务的商业化落地。