so100_test

Hugging Face2025-07-22 更新2025-07-23 收录

下载链接：

https://huggingface.co/datasets/robot98101/so100_test

下载链接

链接失效反馈

官方服务：

资源简介：

这是一个使用LeRobot创建的数据集，包含10个episodes，每个episode包含视频和相关的行动、状态数据。数据集总共包含2390帧，分为1个chunk，每个chunk包含1000帧。数据集的结构包括行动、状态、两种图像（笔记本电脑和手机）的信息，以及其他相关元数据。数据集采用apache-2.0许可。

创建时间：

2025-07-18

原始信息汇总

数据集概述

基本信息

许可证: apache-2.0
任务类别: 机器人学 (robotics)
标签: LeRobot, so100, tutorial
代码库版本: v2.0
机器人类型: so100

数据集结构

总集数: 9
总帧数: 2691
总任务数: 1
总视频数: 18
总块数: 1
块大小: 1000
帧率 (fps): 20
数据路径: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
视频路径: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征

动作 (action):
- 数据类型: float32
- 形状: [6]
- 名称: main_shoulder_pan, main_shoulder_lift, main_elbow_flex, main_wrist_flex, main_wrist_roll, main_gripper
观察状态 (observation.state):
- 数据类型: float32
- 形状: [6]
- 名称: main_shoulder_pan, main_shoulder_lift, main_elbow_flex, main_wrist_flex, main_wrist_roll, main_gripper
观察图像 (observation.images.laptop):
- 数据类型: video
- 形状: [480, 640, 3]
- 名称: height, width, channels
- 信息:
  - video.fps: 20.0
  - video.height: 480
  - video.width: 640
  - video.channels: 3
  - video.codec: h264
  - video.pix_fmt: yuv420p
  - video.is_depth_map: false
  - has_audio: false
观察图像 (observation.images.phone):
- 数据类型: video
- 形状: [480, 640, 3]
- 名称: height, width, channels
- 信息:
  - video.fps: 20.0
  - video.height: 480
  - video.width: 640
  - video.channels: 3
  - video.codec: h264
  - video.pix_fmt: yuv420p
  - video.is_depth_map: false
  - has_audio: false
时间戳 (timestamp):
- 数据类型: float32
- 形状: [1]
帧索引 (frame_index):
- 数据类型: int64
- 形状: [1]
集索引 (episode_index):
- 数据类型: int64
- 形状: [1]
索引 (index):
- 数据类型: int64
- 形状: [1]
任务索引 (task_index):
- 数据类型: int64
- 形状: [1]

分割

训练集: 0:9

引用

BibTeX: [More Information Needed]

搜集汇总

数据集介绍

构建方式

在机器人技术领域，so100_test数据集通过LeRobot框架精心构建，采用Apache-2.0开源许可。该数据集包含9个完整的情节，总计2691帧数据，以20帧每秒的速率采集。数据以分块形式存储，每个块包含1000个数据点，采用Parquet格式高效组织，确保数据的完整性和可访问性。

使用方法

使用so100_test数据集时，研究人员可通过HuggingFace平台直接访问Parquet格式的数据文件。数据集适用于机器人行为克隆、强化学习等任务，支持帧级和情节级的数据提取。用户可结合LeRobot代码库进行数据加载与预处理，利用多模态观测和动作数据训练和评估机器人控制模型。

背景与挑战

背景概述

在机器人学习领域，高质量数据集对推动算法发展具有关键作用。so100_test数据集由LeRobot团队构建，专注于六自由度机械臂的操控任务研究。该数据集通过多视角视觉观测与精确动作记录的同步采集，为模仿学习与强化学习算法提供了丰富的训练样本。其结构化设计支持机器人状态感知与动作执行的端到端建模，对促进现实场景下的机器人技能迁移具有重要意义。

当前挑战

该数据集致力于解决机械臂精细操作中的动作规划与视觉感知耦合难题，其构建过程面临多模态数据同步的技术挑战。具体包括六维连续动作空间的高精度标定、双视角视觉数据的时间对齐、以及机械臂状态与图像帧的精确匹配。此外，有限的任务场景覆盖与样本规模对算法的泛化能力提出了更高要求，需通过数据增强与迁移学习弥补分布差距。

常用场景

经典使用场景

在机器人学习领域，so100_test数据集为模仿学习算法提供了标准化的评估基准。该数据集通过多视角视频流与六自由度机械臂动作序列的同步记录，完整呈现了机器人操作任务的动态过程。研究者可基于该数据集训练端到端的视觉运动策略模型，验证算法在真实世界任务中的泛化能力。

解决学术问题

该数据集有效解决了机器人视觉运动控制中的示范数据稀缺性问题。通过提供结构化时空数据，支持研究者探索高维观察空间到连续动作空间的映射关系。其多模态特性为研究跨模态表征学习提供了实验基础，显著推进了基于学习的机器人控制方法在复杂环境中的适用性研究。

实际应用

工业自动化领域可利用该数据集开发智能分拣系统，通过视觉感知与机械臂控制的协同实现精密操作。服务机器人领域借鉴其多视角视觉融合机制，提升家庭环境中的物体抓取与操作精度。教育科研机构则将其作为标准教具，用于机器人感知与控制算法的实践教学与实验验证。

数据集最近研究