GeorgiaTech/g1_bones_seed_100_50hz

G1 BONES-SEED-100 (50 Hz) 是一个精选的100个运动片段的Unitree G1（29自由度）参考数据集，从BONES-SEED动作捕捉语料库重定向而来，用于在IsaacLab-Imitation中进行模仿/跟踪强化学习。数据集侧重于多样化的移动和操作任务，包括基本/高级移动、物体操作/交互，并覆盖手势、体育、家务、消费、沟通、特技等类别，但排除了舞蹈。数据集经过去重处理，排除了需要道具的环境（如空中/爬梯运动），并包含了先前闭环工作中使用的8个演示运动（如弯腰、喝水、门把手操作、读书、大物体操作、拾取）。数据以NPZ格式存储，包含关节位置、速度、根位置、身体位置等关键信息，帧率为50 Hz。数据集继承自BONES-SEED的许可证，保持私有，禁止重新分发。G1 BONES-SEED-100 (50 Hz) is a curated 100-motion Unitree G1 (29-DOF) reference set retargeted from the BONES-SEED motion-capture corpus, for imitation/tracking reinforcement learning in IsaacLab-Imitation. The dataset is diverse and weighted toward locomotion and manipulation, covering Basic/Advanced Locomotion, Object Manipulation/Interaction, Gestures, Sports, Household, Consuming, Communication, Stunts, and more, but excludes the Dancing category. It is deduped (one canonical clip per content_name), excludes motions requiring props (e.g., aerial/ladder-climbing), and subsumes 8 demo motions from prior closed-loop work (stoop, drinking, door handles, book reading, big-object manipulation, pick-up). Data is stored in NPZ format with keys such as joint positions, velocities, root positions, body positions, etc., at 50 Hz. Derived from BONES-SEED, it inherits its license terms and is kept private, with redistribution prohibited.

搜集汇总

数据集介绍

构建方式

该数据集源自BONES-SEED动作捕捉语料库，经过精心的筛选与重定向，针对Unitree G1人形机器人（29自由度）构建而成。构建过程首先从源库中挑选出100个具有代表性的动作片段，涵盖基础与高级 locomotion、物体操控、手势、体育、家务及交流等多种类别，排除了舞蹈类及需要道具环境的空中攀爬动作。随后，这些动作以120 Hz的原始帧率通过预设脚本重采样至50 Hz，并转换为符合IsaacLab仿真接口规范的NPZ格式文件。每个文件均包含关节空间与局部坐标系下的运动学数据，如关节位置、速度、根部位姿及全身状态，确保与仿真环境的无缝对接。此外，为便于大规模模仿学习训练，数据集还提供了训练清单与自然语言描述元数据。

特点

该数据集的核心特点在于其多样性、去冗余性与实用性。从BONES-SEED中精选的100个动作片段兼顾了运动与操作任务的平衡，避免了单一舞蹈类动作的偏倚，并通过去重策略确保每个内容名称仅保留一个规范片段，消除镜像重复。所有动作均可在无外部道具的仿真环境中训练，剔除了攀爬等受限场景。数据集还纳入了先前闭环研究中使用的8个演示动作，便于基准对比。NPZ文件采用局部坐标系存储根部位姿，避免了全局环境原点的依赖，增强了数据的可移植性。同时，文件中嵌入了与IsaacLab G1机器人一致的关节和刚体名称列表，确保仿真读取时顺序准确无误。

使用方法

该数据集主要面向基于IsaacLab的模仿学习与运动跟踪强化学习任务。使用者可通过提供的训练清单路径，在IsaacLab-Imitation框架下直接启动训练，例如运行IPMD算法。若需从原始CSV文件重新生成NPZ数据，可使用配套的预处理脚本，指定输入输出目录、帧率及设备（如CUDA）进行转换。此外，数据集还包含动作来源溯源文件与自然语言描述，方便研究者进行元数据分析或条件生成任务。需注意，该数据集继承上游BONES-SEED的授权条款，属于私有资源，不得随意重新分发。

背景与挑战

背景概述

g1_bones_seed_100_50hz数据集由BONES-STUDIO团队基于BONES-SEED运动捕捉语料库精心构建，于2025年发布，旨在为Unitree G1仿人机器人（29自由度）提供高质量的模仿学习参考轨迹。该数据集聚焦于机器人从人类动作演示中习得复杂运动技能的核心研究问题，通过提取100段涵盖基本/高级 locomotion、物体操作、手势、体育等多样化行为的动作片段，并以50Hz的频率重定向至机器人关节空间，为强化学习算法在IsaacLab仿真平台上的训练与评估奠定了基础。作为连接运动捕捉与机器人运动模仿的关键桥梁，该数据集有效推动了仿人机器人运动控制领域的发展，尤其在提升动作多样性、降低数据冗余及确保可训练性方面展现出显著影响力。

当前挑战

该数据集面临的核心挑战在于解决机器人运动模仿中的领域适应性问题，即如何将从人类运动捕捉数据中提取的参考轨迹高效迁移至物理机器人平台，克服动态特性差异、关节限制及环境交互不确定性。构建过程中，团队需应对数据多样性与质量之间的平衡，通过剔除舞蹈等冗余类别、去重确保每类动作仅保留单一规范片段，并排除涉及空中攀爬等无法在无道具环境中训练的动作，以优化训练效率。此外，记录数据时需统一至无全局依赖的局部坐标系，避免仿真场景坐标干扰，同时处理高帧率（100Hz）至低帧率（50Hz）的下采样，确保运动平滑性与关节约束兼容性，这些精密的筛选与预处理步骤构成了数据集构建的主要技术难点。

常用场景

经典使用场景

在具身智能与机器人学习领域，g1_bones_seed_100_50hz数据集专为Unitree G1人形机器人的模仿学习与运动跟踪强化学习任务而设计。该数据集从BONES-SEED动作捕捉语料库中精选了100个高质量运动片段，并重定向至29自由度的G1机器人构型，以50赫兹的频率存储关节空间与根节点运动状态。研究者常利用该数据集的NPZ格式文件，在IsaacLab-Imitation框架下训练隐式策略或端到端模仿学习模型，使机器人能够复现复杂且多样化的类人运动模式，涵盖基本步态、物体操作及手势交互等场景。

衍生相关工作

该数据集衍生了一系列经典研究，包括用于隐式策略模仿学习的IPMD算法及其在Isaac-Imitation-G1-Latent-v0任务上的应用，展示了如何利用参考动作驱动潜在空间中的运动生成。此外，基于该数据集的工作还探索了运动跟踪中的模仿奖励设计、域随机化策略以及多模态感知融合方法。这些工作共同构建了从动作捕捉数据到人形机器人实时控制系统的完整技术链路，并启发了后续关于运动先验学习、跨具身迁移以及语言条件运动规划等前沿课题的研究方向。

数据集最近研究

最新研究方向

该数据集聚焦于基于运动捕捉的人形机器人模仿学习与强化学习追踪，以Unitree G1 29自由度双足机器人为载体，从BONES-SEED运动捕捉语料库中精心筛选出100段多样化的参考运动序列，涵盖基本与高级 locomotion、物体操作与交互、手势、体育、家务、消费行为、通信及特技等多维度动作类型，并排除了舞蹈与空中/攀爬类不可在地面环境训练的内容。通过去重处理及自然语言描述与元数据的整合，该数据集为机器人通过模仿学习获得类人运动技能提供了标准化基准，其采用50 Hz时间分辨率与基于关节空间、根关节及刚体位置的完整运动表示，支持在IsaacLab仿真平台中进行闭环策略训练。这一工作响应了人形机器人领域对高质量、可复现运动参考数据集的迫切需求，为下一步实现更自然、鲁棒的全身运动生成与人机交互行为奠定了数据基础。