key_unlock_dagger_v2

该数据集是Hugging Face数据集YOLO2431/key-unlock-dagger-v2的Apache TsFile转换版本，专注于机器人双手操作任务。数据集包含时间序列数据，涉及用左手抓住钥匙并递给右手，然后拿起锁、插入钥匙、转动解锁、打开锁环并放入锁盒的任务。数据集包含161个训练片段，共34,279帧，采样率为30 fps。数据以TsFile格式存储，包含TAG列（episode_index, task_index）和FIELD列（如frame_index, sample_index, observation_state_0到31, action_0到31），这些列表示机器人的状态和动作向量（如位置、旋转、夹持器和关节信息）。原始数据集包含同步的RGB和深度视频流，但转换版本中不包含视频，需参考原始数据集获取视频数据。数据集适用于机器人学习、时间序列分析和双手操作研究。This dataset is an Apache TsFile conversion version of the Hugging Face dataset YOLO2431/key-unlock-dagger-v2, focusing on robotic bimanual manipulation tasks. It contains time-series data involving tasks such as grabbing a key with the left hand and passing it to the right hand, then picking up a lock, inserting the key, turning to unlock, opening the lock ring, and placing it into a lock box. The dataset includes 161 training episodes, totaling 34,279 frames with a sampling rate of 30 fps. Data is stored in TsFile format, containing TAG columns (episode_index, task_index) and FIELD columns (e.g., frame_index, sample_index, observation_state_0 to 31, action_0 to 31), which represent the robots state and action vectors (such as position, rotation, gripper, and joint information). The original dataset includes synchronized RGB and depth video streams, but the converted version does not contain videos; users need to refer to the original dataset for video data. The dataset is suitable for robot learning, time-series analysis, and bimanual manipulation research.

原始信息汇总

数据集概述：key-unlock-dagger-v2 (TsFile)

该数据集是 Hugging Face 上原始数据集 YOLO2431/key-unlock-dagger-v2 的 Apache TsFile 格式转换版本，用于机器人操作任务。

• 许可证: Apache-2.0
• 任务类别: 机器人学 (robotics)
• 标签: LeRobot, 机器人学, 双臂, 操作, tsfile, 时间序列
• 大小: 10K < n < 100K

原始数据集信息

• 原始数据集: YOLO2431/key-unlock-dagger-v2
• 来源: 使用 LeRobot 创建
• LeRobot 版本: v2.1
• 机器人类型: yam_bimanual
• 数据划分: 训练集 (train, 索引 0 到 161)
• 规模 (来自 meta/info.json):
  • 161 个片段 (episodes)
  • 34,279 帧
  • 1 个任务
  • 483 个视频
• 采样率: 30 fps
• 原始数据布局: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 原始 RGB 视频布局: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4
• 原始深度视频文件: 位于 videos/chunk-000/observation.depth_ffv1.*/*.mkv

任务描述

用左手抓起钥匙，递给右手。拿起锁，将钥匙插入锁孔并旋转开锁。打开锁扣以示成功，然后将已解锁的锁（钥匙仍插在锁孔中）放入锁盒。

转换后的 TsFile 信息

• TsFile 文件: data/key_unlock_dagger_v2.tsfile
• 转换后行数: 34,279
• 片段数: 161
• TsFile 表名: key_unlock_dagger_v2
• 时间精度: 毫秒
• TAG 列: episode_index, task_index
• TsFile 大小: 5,871,955 字节

数据模式

• 时间戳: 合成列为 Time (毫秒，由原始时间戳乘以1000得到)，原始 timestamp 列被移除。
• TAG 列: episode_index (片段索引), task_index (任务索引)
• FIELD 列:
  • frame_index
  • sample_index (重命名自原始 index)
  • observation_state_0 至 observation_state_31 (共32维向量，对应 observation.state)
  • action_0 至 action_31 (共32维向量，对应 action)

向量特征顺序（原始顺序，点号替换为下划线）:

• left_pos_x, left_pos_y, left_pos_z
• left_rot6d_0 至 left_rot6d_5
• right_pos_x, right_pos_y, right_pos_z
• right_rot6d_0 至 right_rot6d_5
• left_gripper, right_gripper
• left_joint_0 至 left_joint_5
• right_joint_0 至 right_joint_5

视频策略

以下视觉特征未包含在 TsFile 转换中，请从原始数据集获取：

• observation.images.head
• observation.images.left_wrist
• observation.images.right_wrist
• observation.depth_ffv1.head
• observation.depth_ffv1.left_wrist
• observation.depth_ffv1.right_wrist

原始数据集视频路径: YOLO2431/key-unlock-dagger-v2/videos (详见 原始数据集)

元数据

• 原始 meta/ 目录已镜像至本仓库。
• meta/info.json 已更新，data_path 指向 data/key_unlock_dagger_v2.tsfile，并包含 tsfile_conversion 对象，记录了时间映射、TAG 列、展平特征、删除字段和视频策略。

验证

转换后的 TsFile 已通过项目流水线和 TsFile Python SDK 验证：

• 分阶段 Parquet 行数: 34,279
• TsFile 元数据行数: 34,279
• TsFile 查询行数: 34,279
• TsFile 大小: 5,871,955 字节

使用示例 (Python)

python from tsfile import TsFileReader

path = "data/key_unlock_dagger_v2.tsfile" with TsFileReader(path) as reader: schemas = reader.get_all_table_schemas() print(schemas.keys())