qb1t/lekiwi-record-50

该数据集是一个用于机器人学习的数据集，使用LeRobot工具创建。它记录了机器人执行任务时的动作和观测数据，包括9维的动作向量（如手臂关节位置和速度）和9维的状态观测向量。观测数据还包括来自前部摄像头（分辨率480x640）和腕部摄像头（分辨率640x480）的视频流，以30帧每秒录制。数据集包含50个episodes，总计44931帧，数据文件大小为100MB，视频文件大小为200MB。机器人类型为lekiwi_client，数据以parquet格式存储，并包含时间戳、帧索引、episode索引等元数据。该数据集适用于机器人控制、模仿学习等任务。This dataset is a robotics learning dataset created using the LeRobot tool. It records action and observation data from a robot performing tasks, including 9-dimensional action vectors (e.g., arm joint positions and velocities) and 9-dimensional state observation vectors. Observations also include video streams from a front camera (resolution 480x640) and a wrist camera (resolution 640x480), recorded at 30 frames per second. The dataset contains 50 episodes, totaling 44,931 frames, with data files sized 100MB and video files sized 200MB. The robot type is lekiwi_client, and data is stored in parquet format, including metadata such as timestamps, frame indices, and episode indices. This dataset is suitable for tasks like robot control and imitation learning.

搜集汇总

数据集介绍

构建方式

该数据集基于LeRobot框架构建，旨在为机器人学习研究提供高质量的示范数据。数据集共包含50个完整轨迹（episodes），总计44931帧画面，采样频率为每秒30帧。数据通过远程操控lekiwi_client型机器人进行采集，涵盖了机械臂的六个关节位置、移动底盘的线速度与角速度等九维动作指令，以及对应的状态观测信息。此外，数据集同步录制了前视与腕部两个视角的RGB视频流，分辨率为640×480与480×640，编码采用AV1格式，为后续的模仿学习与视觉运动策略训练提供了多模态的丰富素材。

特点

该数据集最显著的特征在于其多维度的异构数据结构。动作空间与状态空间均包含9个连续的实数值，分别刻画了机械臂关节角位移与底盘运动速度。视觉观测方面，双摄像头配置提供了前视与腕部的同步视频流，前者视野宽广便于环境感知，后者可精确捕捉末端执行器附近的细节。所有数据按时间索引严格对齐，并存储为高效的Parquet格式与MP4视频文件，每个片段包含1000帧，便于分布式加载与批处理。数据集的所有样本均归属同一任务，训练集占全部轨迹，适合用于单一场景下的精细化策略学习。

使用方法

使用者可借助LeRobot框架提供的标准化API便捷地加载该数据集。通过指定数据集路径与配置名称，系统会自动解析meta/info.json中的元信息，并将Parquet表格与视频文件组织为统一的迭代器接口。动作向量与状态向量可直接用于模型的输入输出，而视频帧则可通过帧索引或时间戳进行随机访问。为适配不同的学习范式，建议用户利用LeRobot内置的转换工具对原始数据进行归一化、重采样或数据增强。数据集采用Apache-2.0许可证，允许自由使用与修改，适用于机器人操作策略的预训练、基准测试以及模仿学习的相关研究。

背景与挑战

背景概述

在机器人学习领域，模仿学习与行为克隆方法的发展高度依赖高质量、多模态的示范数据集。由Hugging Face社区主导的LeRobot框架旨在推动这一进程，而lekiwi-record-50数据集正是基于该框架创建的一批面向移动机械臂任务的标准化数据资源。该数据集由贡献者qb1t在2024年左右构建，核心研究问题是如何为移动操作机器人（如搭载夹爪的轮式底盘）提供包含动作、状态与视觉观测的端到端训练样本。通过记录50个完整回合，累计45,931帧数据，该数据集为研究移动机械臂的关节控制、底盘运动与视觉抓取之间的协同提供了基准。其影响力体现在：借助LeRobot的标准化格式，降低了机器人数据集构建的门槛，并推动了基于预训练行为克隆模型的社区化共享。

当前挑战

lekiwi-record-50所应对的领域挑战在于移动机械臂系统的异构控制问题：机器人需要同时协调6自由度的关节臂动作与3自由度的底盘运动（包含线速度与角速度），而传统数据集多聚焦于固定基座机械臂。这种联合控制导致动作空间维度高且耦合紧密，增加了模仿学习的难度。在构建过程中，主要挑战包括：确保30帧/秒的高频采集下，多传感器（前置与腕部相机）数据的时间同步精度；处理底盘轮式滑动带来的动作噪声与状态不一致性问题；以及将商业级机器人平台（lekiwi_client）的底层控制接口统一映射为LeRobot框架定义的标准化特征向量。此外，仅50个回合的小样本量也对数据增强策略与迁移学习方法的鲁棒性提出了更高要求。

常用场景

经典使用场景

在具身智能与机器人学习领域，lekiwi-record-50数据集是一个专为模仿学习与行为克隆研究而构建的高质量资源。它记录了lekiwi机器人在执行单一任务时，由人类遥操作产生的50个示范片段，涵盖了机械臂各关节角度、末端执行器抓取状态以及移动底盘速度等完整动作序列。研究者常利用此数据集训练端到端的视觉-动作策略，使机器人能够从前置摄像头与腕部摄像头捕捉的视觉信息中，直接映射出精确的连续控制指令，从而实现从观察到执行的自主复制。

解决学术问题

该数据集的核心学术价值在于为机器人策略学习中的'少样本泛化'与'状态表征学习'提供了标准化基准。它解决了传统机器人编程难以应对的非结构化环境适应性问题，通过提供多模态对齐的观测与动作序列，使学术研究得以深入探索如何从有限的人类示范中提取鲁棒的操作技能。其意义在于，它搭建了低成本数据采集于可复现算法研究的桥梁，推动了模仿学习理论从仿真环境向真实机器人的迁移，显著降低了实物机器人策略学习的数据门槛。

衍生相关工作

围绕该数据集已衍生了多项经典研究工作，包括利用扩散策略生成平滑动作轨迹的模仿学习算法，以及基于Transformer架构的序列模型来捕获长程依赖关系。此外，研究者还开发了多种数据增强与视角对齐技术，以提升策略在跨场景任务中的迁移能力。该数据集也为多任务学习与技能组合提供了测试床，促使了一系列关于机械臂与移动底盘协同控制的工作出现，推动了机器人行为克隆领域从单一技能向复杂任务编排的演进。