遇见数据集

duck-a-tron_20260816_173359

收藏
Hugging Face2026-08-19 更新2026-08-20 收录
官方服务:

资源简介:

该数据集由LeRobot创建,用于机器人模仿学习或强化学习任务。数据包含一个机器人(so_follower)的105个episodes、共41287帧的演示数据。每个帧记录包括:6维关节动作(shoulder_pan、shoulder_lift、elbow_flex、wrist_flex、wrist_roll、gripper的位置)、相同的6维关节状态、两个摄像头(腕部相机和俯视相机)的RGB视频(480x640分辨率,30fps,AV1编码)以及时间戳、帧索引、episode索引、任务索引等元数据。数据集仅包含一个任务,数据以Parquet格式存储,视频以MP4格式存储。

This dataset is created by LeRobot for robot imitation learning or reinforcement learning tasks. It contains 105 episodes (41287 frames) of demonstration data from a robot (so_follower). Each frame includes: 6-dimensional joint actions (positions of shoulder_pan, shoulder_lift, elbow_flex, wrist_flex, wrist_roll, gripper), the same 6-dimensional joint states, RGB videos from two cameras (wrist camera and top-down camera) at 480x640 resolution, 30fps, AV1 encoded, and metadata such as timestamps, frame index, episode index, task index. The dataset contains only one task, with data stored in Parquet format and videos in MP4 format.

创建时间:
2026-08-17
原始信息汇总

数据集概述:duck-a-tron_20260816_173359

基本信息

  • 数据集名称:duck-a-tron_20260816_173359
  • 许可证:Apache-2.0
  • 任务类别:机器人学(Robotics)
  • 标签:LeRobot
  • 创建工具:该数据集通过 LeRobot 框架创建
  • 可视化入口可视化该数据集

数据集规模

指标 数值
总轨迹数(Episodes) 100
总帧数(Frames) 39,644
总任务数(Tasks) 1
采样频率(FPS) 30
分割设置 训练集(Train):全部100条轨迹(比例0:100)

数据内容与特征

动作与状态特征

  • action(动作) :6维向量,数据类型为float32,包含:

    • shoulder_pan.pos(肩部偏航位置)
    • shoulder_lift.pos(肩部升降位置)
    • elbow_flex.pos(肘部弯曲位置)
    • wrist_flex.pos(腕部弯曲位置)
    • wrist_roll.pos(腕部滚动位置)
    • gripper.pos(夹爪位置)
  • observation.state(观测状态) :与动作特征相同的6维向量,数据类型为float32,包含相同的关节位置信息。

视觉观测

数据集包含两个摄像头视角的视频数据(分辨率均为480x640,3通道):

  1. wrist_cam(腕部摄像头)

    • 视频编码格式:AV1
    • 像素格式:yuv420p
    • 帧率:30 FPS
    • 非深度图
  2. overhead_cam(顶部摄像头)

    • 视频编码格式:AV1
    • 像素格式:yuv420p
    • 帧率:30 FPS
    • 非深度图

其他元数据特征

  • timestamp:时间戳,float32类型,1维
  • frame_index:帧索引,int64类型,1维
  • episode_index:轨迹索引,int64类型,1维
  • index:索引,int64类型,1维
  • task_index:任务索引,int64类型,1维

文件结构

  • 代码库版本:v3.0
  • 数据文件格式:Parquet
  • 数据文件路径模板data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
  • 视频文件路径模板videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4
  • 块大小(Chunk Size) :1000
  • 数据文件大小:约100 MB
  • 视频文件大小:约200 MB

机器人类型

  • 机器人类型:so_follower(SO跟随者机器人)

引用信息

该数据集的BibTeX引用信息暂未提供。

搜集汇总
数据集介绍
duck-a-tron_20260816_173359 数据集图片
构建方式
该数据集基于LeRobot框架构建,旨在捕捉机器人执行操作任务的精细动作序列。数据采集自SO-100型六自由度机械臂,以30帧每秒的频率同步记录关节角度指令与实时观测状态,并通过腕部及顶部双摄像头采集640×480像素的视觉信息,形成多元异构数据流。数据以Parquet格式存储,每千帧为一个数据块,便于高效读取。整个数据集包含115个演示片段,总计46020帧,统一标注为单一任务类型,每帧记录时间戳、帧序号及任务索引等元数据,为模仿学习和策略评估提供了结构化、标准化的训练语料。
使用方法
使用者可通过LeRobot库便捷地加载该数据集,利用其提供的标准接口访问图像、状态及动作数据。数据集的训练集划分明确(共115个回合),可直接用于模仿学习模型的训练与验证。借助HuggingFace的在线可视化工具,研究者能在浏览器中逐帧预览数据,评估采集质量。此外,数据文件的分块存储策略支持流式读取,降低了内存占用,使得大规模离线训练或在线学习应用成为可能。为便于学术引用,数据集提供了完整的元数据配置,用户可依据自身任务需求进行预处理或特征扩展,灵活适配多种机器人学习框架。
背景与挑战
背景概述
在机器人学习领域,模仿学习与遥操作数据的构建是推动智能体从感知到动作映射的关键环节。该数据集由AIWintermuteAI于2026年8月16日创建,依托Hugging Face LeRobot框架生成,旨在捕获机械臂执行‘鸭子抓取’任务的精细操作序列。数据集中包含115个演示片段,总计46020帧,以30Hz频率记录,并同步采集腕部与顶部双相机视觉信息,以及六维关节状态与动作指令。通过标准化parquet与视频格式存储,该资源为研究视觉-运动控制策略提供了高质量的训练语料,尤其有助于探索多视角感知下的动作泛化能力,对机器人操作技能的迁移学习具有重要参考价值。
当前挑战
该数据集所面临的挑战主要体现在两个层面。在领域问题上,机器人操作任务要求模型从高维视觉输入中提取有效特征,并精确映射至连续动作空间,而‘鸭子抓取’这一类精细操作对位姿估计与力控策略提出了严苛要求,如何缓解多视角带来的域差异并提升策略的鲁棒性仍是核心难题。在构建过程中,数据采集涉及遥操作系统的同步与校准,需确保动作帧率与视频流严格对齐,并处理硬件导致的噪声或异常样本。此外,数据规模相对有限(115个episodes),可能限制模型泛化性能,且标注信息仅包含单一任务,未覆盖复杂场景或交互变化,为后续迁移学习与多任务扩展增添了挑战。
常用场景
经典使用场景
在机器人学习与具身智能研究领域,该数据集为模仿学习提供了高质量的演示样本,其核心应用在于训练视觉运动策略,通过解析腕部与顶部摄像头捕捉的观测图像,结合六维关节状态与动作指令,使机器人能够习得精细的操作技能。其以30Hz频率采集的连续轨迹,配合结构化的动作空间,为构建端到端的行为克隆模型或强化学习环境中的奖励塑形提供了理想的数据基础。
解决学术问题
该数据集有效解决了机器人操作研究中数据稀缺与可复现性不足的瓶颈问题,为跨具身平台的动作泛化研究提供了基准。它使研究者能够系统探索视觉表征学习、多模态融合以及时序建模在物理交互中的效能,推动了从原始像素到关节力矩映射的深度网络架构发展,并促进了离线强化学习在真实世界中的应用,进而加深了对于数据质量与策略鲁棒性内在联系的理解。
实际应用
在实际应用中,此类数据集可加速工业与家庭场景中协作机器人的快速部署,如通过少量演示实现装配、分拣或精密装配任务的自动化。同时,它为远程操作与半自主控制系统的开发提供了训练语料,使非专业用户能够通过直观示范编程机器人。此外,在仿真到现实的迁移研究中,该数据可作为域随机化或策略微调的参考,助力构建安全、灵活的下一代物理智能系统。
数据集最近研究
最新研究方向
该数据集聚焦于基于模仿学习的机器人操作任务,采用LeRobot框架采集,包含115个演示片段和46020帧的高频多视角视觉与状态动作数据。当前研究前沿致力于利用此类精细的遥操作数据集,结合视觉-语言-动作模型,实现复杂操作技能的泛化与迁移,并探索在未知环境下的零样本适应能力。该数据集的发布为机器人学习社区提供了标准化的基准,促进了具身智能领域在数据高效学习、跨任务迁移以及安全可控策略优化等方向上的蓬勃发展,对推动智能机器人从实验室走向现实应用具有重要价值。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务