office-rover-miss-v21
收藏资源简介：
该数据集用于单个SO-101机械臂，执行“拿起红色或绿色立方体并放入盒子”的任务，包含两个语言条件任务（指令为俄语）。数据集包含600个片段，共103216帧，30fps，两个摄像头（前方和腕部，分辨率480x640），状态/动作空间为6个关节（5个旋转关节加夹爪），绝对目标位置。任务包括随机立方体偏航角（0-90°）和30%故意失败的抓取，随后通过脚本恢复。数据集仅在MuJoCo仿真环境中生成，使用官方SO-101模型，演示来自脚本化逆运动学操作员，未模拟真实物理效应。直接加载方式为LeRobotDataset("VShirokun/office-rover-miss-v21")。
This dataset is for a single SO-101 robotic arm performing the task of picking up a red or green cube and placing it into a box, with two language-conditioned tasks (instructions in Russian). The dataset contains 600 episodes with a total of 103,216 frames at 30fps, two cameras (front and wrist, resolution 480x640), state/action space of 6 joints (5 revolute joints plus gripper), and absolute target positions. The tasks include random cube yaw angles (0-90°) and 30% intentionally failed grasps followed by scripted recovery. The dataset is generated solely in the MuJoCo simulation environment, using the official SO-101 model, with demonstrations from a scripted inverse kinematics operator, without simulating real physical effects. It can be loaded directly as LeRobotDataset("VShirokun/office-rover-miss-v21").
office-rover-miss-v21 数据集概述
基本信息
- 许可协议：CC BY 4.0
- 任务类型：机器人学（Robotics）
- 数据集标签：LeRobot、so101、gr00t、mujoco、simulation、language-conditioned、pick-and-place
- 数据集版本：LeRobot v2.1
任务内容
- 使用单只 SO-101 机械臂执行“拾取红色/绿色立方体并放入盒子中”的任务
- 两个立方体均放置在桌面上
- 包含两项语言条件任务（指令为俄语）
- 专为在单块 24 GB RTX 4090 上微调 NVIDIA Isaac GR00T N1.7 而构建
数据规模
| 项目 | 数值 |
|---|---|
| 轨迹（episodes） | 600 |
| 帧数 | 103,216（30 fps） |
| 相机 | front、wrist，分辨率 480×640 |
| 状态/动作维度 | 6 个关节（5 个自由度 + 夹爪），绝对目标值 |
| 任务数量 | 2 |
数据特点
- 立方体偏航角随机（0–90°）
- 包含 30% 人为设计的失败抓取，随后通过脚本化恢复动作——这类数据用于训练策略的重试能力
- 该数据集是整体 92.17% 成功记录数据组合中的一半
数据采集方式
- 纯仿真环境：使用 MuJoCo 物理引擎及
mujoco_menagerie中的官方 SO-101 模型 - 演示来源：脚本化操作员（逆运动学），非人类遥操作
- 立方体位置：在 12×30 cm 区域内随机分布
- 成功判定：基于物理仿真（指定立方体在盒中，另一个立方体未被触碰）
- 策略输入：策略从未接收立方体坐标信息
- 局限性：未模拟真实光照、眩光、摩擦和舵机反向间隙，仿真到现实的差距尚未测量
使用方式
可直接加载：LeRobotDataset("VShirokun/office-rover-miss-v21")，由 LeRobot v3.0 通过上游 scripts/lerobot_conversion/convert_v3_to_v2.py 脚本转换而来。完整配方、补丁及 1,800 次评估尝试见 GitHub 仓库。
