Split_aloha_basket_storage_egg_yolk_pastry

这是一个基于LeRobot扩展格式的机器人数据集，完全兼容LeRobot。数据集包含家庭和厨房场景，包括抓取、放置和捡起等基本动作。数据集包含629个场景，254419帧图像，1887个视频，1个任务和1个数据块，每个数据块大小为1000。数据集包括丰富的标注信息，如子任务分割、场景描述、机器人末端执行器方向、速度、加速度、抓取器模式、抓取器活动状态、末端执行器模拟位姿和抓取器开启尺度等。数据集遵循LeRobot格式，包括视频、状态数据、动作数据和元数据等组件。

原始信息汇总

Split_aloha_basket_storage_egg_yolk_pastry 数据集概述

基本信息

• 数据集名称: Split_aloha_basket_storage_egg_yolk_pastry
• 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
• 规模: 100K-1M

技术规格

• 机器人类型: Split_aloha
• 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

• home
• kitchen

原子动作

• grasp
• place
• pick

数据集统计

指标	数值
总片段数	629
总帧数	254419
总任务数	1
总视频数	1887
总分块数	1
分块大小	1000
帧率	30

任务描述

主要任务

拿起蛋黄酥并将其放入篮子中

子任务

1. Abnormal
2. End
3. Grasp egg yolk pastry with right gripper
4. Grasp the basket with left gripper
5. null
6. Place the basket in the center of view with left gripper
7. Place the egg yolk pastry in the basket with right gripper
8. Static

数据特征

视觉观测

• observation.images.cam_high_rgb: 视频，30 FPS，AV1编码
• observation.images.cam_left_wrist_rgb: 视频，30 FPS，AV1编码
• observation.images.cam_right_wrist_rgb: 视频，30 FPS，AV1编码

状态与动作

• observation.state: float32
• action: float32

注释信息

• 子任务注释: 细粒度子任务分割和标注
• 场景注释: 语义场景分类和描述
• 末端执行器注释: 方向、速度、加速度分类
• 夹爪注释: 模式、活动状态分类

运动特征

• 末端执行器仿真位姿: 6D位姿信息
• 末端执行器方向: 运动方向分类
• 末端执行器速度: 速度大小分类
• 末端执行器加速度: 加速度大小分类

夹爪特征

• 夹爪开合尺度: 连续夹爪开合测量
• 夹爪模式: 开/关状态注释
• 夹爪活动: 活动状态分类

数据划分

• 训练集: 片段 0:628

文件结构

Split_aloha_basket_storage_egg_yolk_pastry_qced_hardlink/ ├── annotations/ ├── data/ │ └── chunk-000/ ├── meta/ └── videos/ └── chunk-000/ ├── observation.images.cam_high_rgb/ ├── observation.images.cam_left_wrist_rgb/ └── observation.images.cam_right_wrist_rgb/

作者信息

• 贡献者: RoboCOIN - RoboCOIN Team

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
• 项目页面: https://flagopen.github.io/RoboCOIN/
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

版本信息

• v1.0.0 (2025-11): 初始发布

搜集汇总

数据集介绍

构建方式

在机器人操作研究领域，Split_aloha_basket_storage_egg_yolk_pastry数据集通过Split_aloha双机械臂系统采集构建，采用LeRobot扩展格式确保兼容性。数据采集涵盖家庭与厨房场景，记录了629个完整操作片段，包含抓取、放置等原子动作。通过三视角摄像头以30帧率同步录制，结合26维状态与动作向量，形成结构化数据块存储于parquet格式文件，辅以细粒度子任务标注与运动学参数，构建出高精度双手机械臂操作数据集。

特点

该数据集以双指夹爪机械臂为核心，呈现多模态融合特性。视觉维度包含高位、左右腕部三路RGB视频流，空间维度提供末端执行器六维位姿与关节状态。运动学特征涵盖速度、加速度方向分类，夹爪状态包含开合尺度与活动模式。子任务标注将蛋黄酥放置任务分解为8个逻辑步骤，场景注释区分家居环境语义。254419帧数据构成时空连续的操作序列，兼具仿真空间坐标与实际物理量测量，为双臂协调控制研究提供丰富维度。

使用方法

研究者可通过LeRobot框架直接加载该数据集，数据按千帧块组织于chunk-000目录。训练时调用episode索引读取parquet文件，同步解析三路视频流与状态动作序列。子任务标注支持分层强化学习，末端执行器位姿数据适用于模仿学习算法。运动学参数可用于动力学建模，夹爪状态信息辅助抓握策略分析。数据集完全兼容标准机器人学习管线，支持从行为克隆到分层决策等多种算法验证，为复杂操作任务提供基准测试平台。

背景与挑战

背景概述

在机器人操作领域，双手机器人协同作业一直是实现复杂任务的关键研究方向。Split_aloha_basket_storage_egg_yolk_pastry数据集由RoboCOIN团队于2025年11月发布，作为RoboCOIN项目的重要组成部分，该数据集聚焦于双手机器人在家庭与厨房场景下的精细物体操作任务。其核心研究问题在于解决双机械臂协同抓取与放置的时序协调难题，通过记录629个任务片段、25万余帧多视角视觉数据与26维状态动作空间，为模仿学习与强化学习算法提供了高精度标注的基准数据。该数据集基于LeRobot框架构建，显著推动了家庭服务机器人操作技能的数据驱动研究进程。

当前挑战

双手机器人操作领域面临的核心挑战在于多模态感知与动作的时序对齐问题，特别是在抓取易变形物体（如蛋黄酥）时需同步处理视觉定位、力学反馈与双臂运动规划。数据集构建过程中，RoboCOIN团队需克服多摄像头数据同步采集的精度误差，解决双机械臂运动轨迹在26维空间中的碰撞规避难题，并确保长达254419帧数据的标注一致性。此外，在模拟到真实世界的迁移学习中，如何保持末端执行器位姿估计与真实物理环境的一致性，仍是该数据集应用面临的重要技术瓶颈。

常用场景

实际应用

在现实应用层面，该数据集的服务机器人开发具有重要价值。家庭服务机器人可借鉴其双机械臂协同操作范式，实现餐具整理、物品收纳等日常任务。食品加工行业能够基于数据集开发自动化生产线，完成糕点装盒、食品分拣等精细操作。物流仓储领域则可利用其抓取放置策略优化包裹分拣系统。数据集提供的多视角视觉反馈机制为机器人环境感知与操作精度提升提供了技术参考，推动服务机器人从实验室走向实际应用场景。

衍生相关工作

基于该数据集衍生的研究工作主要集中在机器人学习算法的创新与优化。RoboCOIN项目团队利用该数据集开发了集成化操作学习框架，为双臂协调控制设立了新基准。在模仿学习领域，研究者基于其细粒度标注开发了分层策略网络，显著提升了复杂任务的完成效率。动作分割算法研究借助子任务标注实现了操作序列的自动解析与识别。同时，该数据集与LeRobot生态的深度整合催生了多个开源工具链，推动了机器人学习社区的算法复现与比较研究，形成了良性的学术发展循环。