bimanual_blue_block_handover_16

这是一个使用LeRobot创建的机器人数据集，包含20个剧集，总共22705帧，1个任务，60个视频和1个片段。数据集以Parquet格式存储，并提供了相关的视频文件。数据集中的特征包括动作、状态、左右手腕和顶部RealSense相机的图像信息等。所有数据均以30帧每秒的帧率采集。

原始信息汇总

数据集概述

基本信息

• 名称：bimanual_blue_block_handover_16
• 任务类别：机器人学
• 标签：LeRobot、双手操作、交接任务、整合数据
• 许可证：Apache-2.0
• 创建工具：LeRobot

数据集结构

• 总任务数：1
• 总片段数：20
• 总帧数：22705
• 总视频数：60
• 数据块数：1
• 块大小：1000
• 帧率：30 fps
• 代码库版本：v2.1
• 机器人类型：bi_so101_follower
• 数据分割：训练集（0:20）

数据特征

动作特征

• 数据类型：float32
• 维度：[12]
• 关节名称：
  • 左肩平移位置
  • 左肩抬升位置
  • 左肘弯曲位置
  • 左腕弯曲位置
  • 左腕旋转位置
  • 左夹爪位置
  • 右肩平移位置
  • 右肩抬升位置
  • 右肘弯曲位置
  • 右腕弯曲位置
  • 右腕旋转位置
  • 右夹爪位置

观测特征

状态观测

• 数据类型：float32
• 维度：[12]
• 关节名称：与动作特征相同

图像观测

右侧腕部摄像头：

• 数据类型：视频
• 分辨率：480×640×3
• 视频编码：av1
• 像素格式：yuv420p
• 非深度图

左侧腕部摄像头：

• 数据类型：视频
• 分辨率：480×640×3
• 视频编码：av1
• 像素格式：yuv420p
• 非深度图

顶部RealSense摄像头：

• 数据类型：视频
• 分辨率：480×640×3
• 视频编码：av1
• 像素格式：yuv420p
• 非深度图

索引特征

• 时间戳：float32，维度[1]
• 帧索引：int64，维度[1]
• 片段索引：int64，维度[1]
• 索引：int64，维度[1]
• 任务索引：int64，维度[1]

数据存储

• 数据文件路径：data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频文件路径：videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

搜集汇总

数据集介绍

构建方式

在机器人协作研究领域，该数据集通过LeRobot平台系统采集，记录了双手机器人执行蓝色积木交接任务的完整过程。数据以30帧/秒的速率同步捕获，包含20个独立任务片段，总计22705帧时序数据。采用分块存储架构，将动作指令、关节状态与多视角视觉信息整合于标准化Parquet文件中，确保了数据采集的时序一致性与结构完整性。

使用方法

研究者可通过解析Parquet数据文件直接获取机器人状态-动作对序列，配合MP4格式的视觉流实现端到端模仿学习。数据集已预划分为训练集，支持强化学习策略训练与行为克隆验证。利用特征字典中明确标注的维度信息，可快速构建神经网络输入管道，适用于动态手势分析、交接动作生成等机器人学习任务。

背景与挑战

背景概述

在机器人操作领域，双手机器人协作任务的研究日益受到关注。bimanual_blue_block_handover_16数据集由LeRobot团队基于Apache 2.0许可协议构建，专注于双手机器人之间的物体传递行为。该数据集通过记录双手机器人执行蓝色积木传递任务时的关节位置、视觉观察和时间序列数据，为研究双手机器人协调控制提供了重要支持。其包含20个完整交互序列和22705帧多模态数据，涵盖了从机械臂运动到视觉感知的全面信息，显著推动了机器人操作技能学习的发展。

当前挑战

双手机器人物体传递任务面临的核心挑战在于协调两个机械臂的精确运动规划与实时同步控制。构建过程中需克服多传感器数据同步采集的技术难题，包括12维关节空间动作与三路视觉传感器数据的时空对齐。数据采集系统需要确保30Hz采样频率下所有传感器流的一致性，同时处理高维度动作空间与多视角视觉观测的异构数据融合问题。这些挑战直接影响着机器人学习复杂双手操作技能的效率与可靠性。

常用场景

经典使用场景

在机器人协作研究领域，bimanual_blue_block_handover_16数据集为双手机器人交接任务提供了标准化实验平台。该数据集通过记录双臂机器人执行蓝色积木传递任务时的关节位置、视觉观测和时间序列数据，成为验证机器人动作规划与协调控制算法的经典基准。研究人员可基于其多模态数据流，系统分析双臂在动态环境中的协同机制，推动机器人操作技能的智能化发展。

解决学术问题

该数据集有效解决了机器人学中双臂协同控制的若干核心难题。通过提供精确的关节运动轨迹与多视角视觉反馈，它助力研究者突破传统单臂操作的局限性，深化对双手物体传递过程中力觉与视觉融合机制的理解。其结构化数据为建立动态环境下的机器人行为预测模型奠定基础，显著推进了具身智能在复杂操作任务中的理论探索。

实际应用

在工业自动化与服务机器人领域，该数据集支撑着实际应用场景的突破性进展。基于其构建的算法可应用于精密装配线上的零件传递、医疗机器人辅助手术器械交接等场景。通过模拟人类双手协作的灵巧性，这些技术能够提升生产线效率并降低人工操作风险，为智能制造与康复医疗等领域提供可靠的技术支撑。

数据集最近研究

最新研究方向

在机器人协作操作领域，双手机器人交接任务正成为提升人机交互效率的关键突破口。基于bimanual_blue_block_handover_16数据集的多模态感知研究，学者们致力于通过融合视觉传感器与关节状态数据，构建动态环境下的物体抓取轨迹预测模型。当前前沿探索聚焦于跨视角图像序列的时空对齐技术，结合强化学习框架优化双臂协同控制策略，显著提升了复杂场景中物体传递的柔顺性与安全性。这一进展不仅推动了服务机器人家庭助理应用的发展，更为工业自动化中的精密装配任务提供了可迁移的技术范式。