five

AgiBot-g1_picks_up_battery_a

收藏
Hugging Face2025-11-29 更新2025-11-30 收录
下载链接:
https://huggingface.co/datasets/RoboCOIN/AgiBot-g1_picks_up_battery_a
下载链接
链接失效反馈
官方服务:
资源简介:
AgiBot-g1_picks_up_battery_a 数据集是一个基于 LeRobot 格式的扩展数据集,完全兼容 LeRobot。该数据集使用 AgiBot-g1 机器人,代码库版本为 v2.1,末端执行器类型为 two_finger_gripper。数据集涵盖了工厂场景,并包括放置、拾取和抓取等基本动作。数据集包含 562 个场景,214263 个帧,4496 个视频,以及丰富的注释和特征信息,支持多种学习方法。数据集遵循 LeRobot 格式,包含视频、状态数据、动作数据、元数据和注释等组件。数据集分为训练集和测试集,并提供了详细的目录结构和特征模式。
创建时间:
2025-11-19
原始信息汇总

AgiBot-g1_picks_up_battery_a 数据集概述

基本信息

  • 数据集名称: AgiBot-g1_picks_up_battery_a
  • 许可证: apache-2.0
  • 支持语言: 英语、中文
  • 任务类别: 机器人技术
  • 标签: RoboCOIN, LeRobot
  • 帧范围: 100K-1M

机器人配置

  • 机器人类型: AgiBot-g1
  • 代码库版本: v2.1
  • 末端执行器类型: two_finger_gripper

场景与动作

  • 场景类型: 工厂(factory)
  • 原子动作: 放置(place)、拾取(pick)、抓取(grasp)

数据集统计

指标 数值
总片段数 562
总帧数 214263
总任务数 1
总视频数 4496
总分块数 1
分块大小 1000
帧率 30 FPS
数据集大小 119.7GB

任务描述

  • 主要任务: 使用机械臂拾取电池
  • 子任务:
    1. 从大箱子中抓取并抬起电源
    2. 将电源放置在操作台上

数据特征

视觉观测

  • 8个相机视角,包括:
    • cam_high_rgb (720×1280)
    • cam_left_wrist_rgb (480×848)
    • cam_right_wrist_rgb (480×848)
    • 5个鱼眼相机 (1536×1920)
  • 所有视频使用AV1编码,30 FPS

状态与动作

  • 观测状态: 41维浮点数(关节角度、末端位置、姿态等)
  • 动作: 34维浮点数(关节控制、末端控制等)

标注信息

  • 子任务标注: 细粒度子任务分割和标注
  • 场景标注: 语义场景分类和描述
  • 末端执行器标注: 方向、速度、加速度分类
  • 夹爪标注: 模式(开/关)、活动状态

运动特征

  • 末端执行器仿真姿态(6D位姿)
  • 夹爪开合尺度
  • 方向和速度分类

数据组织

文件结构

  • 数据文件: Parquet格式,路径模式 data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
  • 视频文件: MP4格式,路径模式 videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4
  • 分块: 1个分块,每个分块1000个片段

数据划分

  • 训练集: 片段0-561

相关链接

  • 主页: https://flagopen.github.io/RoboCOIN/
  • 论文: https://arxiv.org/abs/2511.17441
  • 代码库: https://github.com/FlagOpen/RoboCOIN
  • 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

作者信息

  • 贡献者: RoboCOIN团队 (https://flagopen.github.io/RoboCOIN/)

引用信息

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Runtian Xu, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang and Guocai Yao}, journal={arXiv preprint arXiv:2511.17441}, url = {https://arxiv.org/abs/2511.17441}, year={2025} }

搜集汇总
数据集介绍
main_image_url
构建方式
在机器人操作数据采集领域,AgiBot-g1_picks_up_battery_a数据集通过AgiBot-g1双指夹爪机器人在工厂场景中执行电池拾取任务构建而成。该数据集采用基于LeRobot的扩展格式,包含562个完整操作序列,总计214,263帧30fps的多视角视频数据。数据以分块方式组织为Parquet文件,每个分块容纳1000个操作片段,通过8个不同视角的摄像头同步采集RGB视频流,并整合了机器人关节状态、末端执行器位姿及夹爪动作等多模态传感器数据。
特点
该数据集的核心特征体现在其丰富的多模态标注体系,涵盖子任务分割、场景分类及末端执行器运动分析等多个维度。数据集提供12维末端执行器仿真位姿、夹爪开合尺度连续测量值,以及运动方向、速度、加速度等分类标注。八路摄像头分别提供720p至1536p不同分辨率的视觉观测,配合41维机器人状态向量与34维动作指令,构建了完整的感知-决策-执行数据闭环。所有标注均区分状态与动作两个层面,为模仿学习与强化学习算法提供细粒度监督信号。
使用方法
该数据集遵循LeRobot标准数据格式,用户可通过加载Parquet文件直接获取结构化数据。训练集包含0-561号完整操作序列,数据按chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet路径组织,视频文件存储于对应摄像头目录下。研究者可基于observation.state与action字段构建状态-动作映射模型,利用subtask_annotation实现分层任务学习,并通过eef_sim_pose等运动特征分析机器人操作轨迹。数据集兼容主流机器人学习框架,支持端到端策略学习、行为克隆等典型应用场景。
背景与挑战
背景概述
在机器人操作领域,精确的物体抓取与放置任务一直是研究重点。AgiBot-g1_picks_up_battery_a数据集由RoboCOIN团队于2025年11月发布,聚焦于双臂机器人执行电池拾取操作的核心问题。该数据集基于LeRobot框架构建,包含562个完整操作序列,覆盖抓取、搬运、放置等原子动作,通过8个多视角摄像头与丰富的运动标注,为机器人精细操作研究提供了高精度基准。其119.7GB的规模与214263帧数据,显著推动了双臂协同操作与工业自动化场景的技术发展。
当前挑战
该数据集致力于解决双臂机器人精细操作中的多模态感知与运动规划难题。具体挑战包括电池这类易滑落物体的稳定抓取策略建模,以及双臂在受限空间中的避障协同控制。数据构建过程中面临传感器同步精度保障、八路视频数据实时标定,以及末端执行器六维姿态标注的一致性校验等工程挑战。此外,工厂场景下光照变化与机械振动对视觉感知系统的干扰,亦对数据质量提出了严格要求。
常用场景
经典使用场景
在工业机器人研究领域,AgiBot-g1_picks_up_battery_a数据集聚焦于双臂协作的精细化操作场景。该数据集通过记录AgiBot-g1机器人执行电源抓取任务的完整流程,包括从大型料箱中抓取电源、精准移动至操作台等子任务,为机器人动作规划与执行提供了标准化的验证平台。其多视角视觉数据与精细的动作标注,使得研究者能够深入分析双臂协调运动中的时空一致性,成为评估机器人抓取策略有效性的经典基准。
实际应用
在工业自动化领域,该数据集直接服务于智能仓储与柔性制造系统的技术升级。基于数据集训练的模型可应用于电子设备装配线的电源模块搬运、危险环境中的电池更换等实际场景。其双指夹爪的操作模式与工厂环境的高度适配性,为开发具备精确抓取能力的工业机器人提供了关键数据支撑,显著降低了人工干预频率并提升了生产流程的智能化水平。
衍生相关工作
围绕该数据集衍生的经典研究包括基于LeRobot框架的多模态融合控制算法、结合时空注意力的动作预测模型等创新工作。RoboCOIN团队进一步扩展了双臂协同操作的语义理解范式,推动了从单任务执行向多任务泛化的技术演进。这些工作通过利用数据集提供的精细运动注解,在机器人操作的可解释性与适应性方面取得了突破性进展,形成了以数据驱动为核心的机器人学习研究体系。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作