6axis-fold-handkerchief

这是一个机器人学领域的数据集，包含了使用LeRobot工具录制的75个视频，共计25个剧集，55543帧。数据集以.parquet文件格式存储，每个剧集包含1000个片段，每个片段包含14个动作特征和14个观察状态特征，以及三个视角（左、顶、右）的图像数据。图像为480x640的分辨率，使用av1编码，没有音频。数据集的帧率为30fps，并且提供了训练集的划分。

原始信息汇总

数据集概述

基本信息

• 名称: 6axis-fold-handkerchief
• 许可证: Apache-2.0
• 任务类别: 机器人学
• 标签: LeRobot
• 代码库版本: v2.1
• 机器人类型: bi_so101_6axis_follower

数据集结构

• 总集数: 25
• 总帧数: 55543
• 总任务数: 1
• 总视频数: 75
• 总块数: 1
• 块大小: 1000
• 帧率: 30 fps
• 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: [14]
  • 名称: 左右肩、肘、腕和夹持器的位置信息
• 观测状态 (observation.state):
  • 数据类型: float32
  • 形状: [14]
  • 名称: 左右肩、肘、腕和夹持器的位置信息
• 观测图像 (observation.images.left/top/right):
  • 数据类型: video
  • 形状: [480, 640, 3]
  • 视频信息: 高度480，宽度640，通道3，帧率30 fps，无音频
• 其他特征:
  • timestamp: float32
  • frame_index: int64
  • episode_index: int64
  • index: int64
  • task_index: int64

分割

• 训练集: 0:25

引用

• BibTeX: [More Information Needed]

搜集汇总

数据集介绍

构建方式

在机器人操作领域，高质量的示范数据对于算法训练至关重要。6axis-fold-handkerchief数据集通过LeRobot平台精心构建，采用双六轴机械臂系统记录操作过程。数据集包含25个完整操作序列，总计55,543帧数据，以30fps的采样率捕获。数据以分块形式存储，每个数据块包含1000帧，采用Parquet格式高效组织，同时配套75段操作视频，全方位记录机械臂折叠手帕的动作细节。

使用方法

研究者可通过HuggingFace平台直接获取该数据集，数据以Parquet格式存储，兼容主流数据处理工具。使用时需注意数据分块结构，按照meta/info.json中的路径规范访问。视频数据采用AV1编码，需配置相应解码器。建议将动作数据与多视角视频流联合使用，构建端到端的机器人操作模型。训练集已预设为全部25个操作序列，可直接用于监督学习。

背景与挑战

背景概述

6axis-fold-handkerchief数据集由LeRobot团队创建，专注于机器人操作任务领域。该数据集记录了双六轴机械臂执行折叠手帕任务的高维数据，包含55543帧多视角视频流和14维关节状态信息。作为机器人模仿学习研究的重要资源，其通过Apache-2.0协议开源，为机械臂精细操作算法的开发提供了真实世界的动作轨迹与视觉观测对应关系。数据采集采用bi_so101_6axis_follower机器人平台，30fps的同步记录保证了动作序列的时序精度。

当前挑战

该数据集首要解决的是机器人精细操作中的动作规划难题，特别是双机械臂协同作业时的高维状态空间建模问题。构建过程中面临多模态数据同步采集的技术挑战，包括六轴关节角度与三路高清视频的毫秒级对齐。数据规模限制也是显著瓶颈，25个任务片段虽能展现基础动作模式，但难以覆盖操作场景的全部物理状态变化。此外，缺乏任务完成度的定量评估标准，使得算法训练时的奖励函数设计存在不确定性。

常用场景

经典使用场景

在机器人控制领域，6axis-fold-handkerchief数据集为研究双臂协同操作提供了丰富的实验数据。该数据集记录了六轴机械臂折叠手帕的完整过程，包含多视角视频和关节位置信息，成为开发新型控制算法的基准测试平台。研究者可通过分析高精度动作序列，优化轨迹规划和末端执行器控制策略。

解决学术问题

该数据集有效解决了机器人精细操作研究中数据稀缺的瓶颈问题。通过提供真实场景下的多模态传感器数据，支持了从模仿学习到强化学习等多种方法的验证。其包含的关节角度和视觉信息，为研究动作表征学习、跨模态对齐等前沿课题提供了重要支撑，推动了具身智能的发展。

实际应用

在工业自动化场景中，该数据集可直接指导服务型机器人的开发应用。基于数据集训练的模型可迁移至医疗辅助、家政服务等领域，实现精细物品操作。数据集包含的故障恢复样本，为机器人异常处理能力提升提供了关键参考，显著降低了实体机器人的调试成本。

数据集最近研究

最新研究方向

在机器人操作与多模态学习领域，6axis-fold-handkerchief数据集凭借其高精度的六轴机械臂动作记录和多视角视觉数据，为复杂任务模仿学习提供了重要支撑。该数据集近期被广泛应用于双臂协同操作策略优化研究，特别是在布料折叠等柔性物体操控任务中展现出独特价值。研究者们正探索如何结合其多模态特征（包括关节位置数据和三路视频流）来提升深度强化学习模型的泛化能力，这恰好呼应了当前工业机器人向服务型场景拓展的趋势。数据集开源的Apache 2.0许可特性，更促进了其在机器人开源社区LeRobot生态中的快速迭代应用。