record-test-filtered

Hugging Face2026-03-02 更新2026-03-03 收录

下载链接：

https://huggingface.co/datasets/Spartakfs/record-test-filtered

下载链接

链接失效反馈

官方服务：

资源简介：

该数据集是使用LeRobot创建的，专为机器人技术领域设计，采用Apache-2.0许可证。数据集包含264个总剧集，93596帧，覆盖11个任务。数据以parquet文件格式存储，总数据文件大小为100MB，视频文件大小为200MB，帧率为30fps。数据集结构详细，包括动作数据（如肩部、肘部、腕部等的位置）、观察状态（与动作数据类似的结构）、以及来自不同来源的图像数据（follower、leader、realsense），这些图像数据具有480x640的分辨率和3个通道。此外，数据集还包括时间戳、帧索引、剧集索引等元数据。适用于机器人控制、行为学习等研究领域。

创建时间：

2026-02-23

原始信息汇总

数据集概述

基本信息

数据集名称: record-test-filtered
创建工具: LeRobot (https://github.com/huggingface/lerobot)
许可证: Apache-2.0
任务类别: 机器人学
标签: LeRobot

数据集规模与结构

总情节数: 264
总帧数: 93596
总任务数: 11
数据文件大小: 100 MB
视频文件大小: 200 MB
帧率: 30 FPS
分块大小: 1000
数据分割: 训练集 (0:264)
数据文件路径模式: data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
视频文件路径模式: videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

特征字段

action
- 数据类型: float32
- 形状: [6]
- 名称: shoulder_pan.pos, shoulder_lift.pos, elbow_flex.pos, wrist_flex.pos, wrist_roll.pos, gripper.pos
observation.state
- 数据类型: float32
- 形状: [6]
- 名称: shoulder_pan.pos, shoulder_lift.pos, elbow_flex.pos, wrist_flex.pos, wrist_roll.pos, gripper.pos
observation.images.follower
- 数据类型: video
- 形状: [480, 640, 3]
- 名称: height, width, channels
- 视频信息:
  - 高度: 480
  - 宽度: 640
  - 编解码器: av1
  - 像素格式: yuv420p
  - 是否为深度图: false
  - 帧率: 30
  - 通道数: 3
  - 包含音频: false
observation.images.leader
- 数据类型: video
- 形状: [480, 640, 3]
- 名称: height, width, channels
- 视频信息:
  - 高度: 480
  - 宽度: 640
  - 编解码器: av1
  - 像素格式: yuv420p
  - 是否为深度图: false
  - 帧率: 30
  - 通道数: 3
  - 包含音频: false
observation.images.realsense
- 数据类型: video
- 形状: [480, 640, 3]
- 名称: height, width, channels
- 视频信息:
  - 高度: 480
  - 宽度: 640
  - 编解码器: av1
  - 像素格式: yuv420p
  - 是否为深度图: false
  - 帧率: 30
  - 通道数: 3
  - 包含音频: false
timestamp
- 数据类型: float32
- 形状: [1]
- 名称: null
frame_index
- 数据类型: int64
- 形状: [1]
- 名称: null
episode_index
- 数据类型: int64
- 形状: [1]
- 名称: null
index
- 数据类型: int64
- 形状: [1]
- 名称: null
task_index
- 数据类型: int64
- 形状: [1]
- 名称: null

元数据

代码库版本: v3.0
机器人类型: so_follower

引用信息

主页: [More Information Needed]
论文: [More Information Needed]
BibTeX引用: [More Information Needed]

搜集汇总

数据集介绍

构建方式

在机器人学习领域，高质量的数据集是推动算法发展的基石。record-test-filtered数据集依托LeRobot平台构建，通过记录真实机器人操作任务生成原始数据。该数据集包含264个完整任务片段，总计93596帧数据，以30帧每秒的速率采集。数据以分块形式组织，每个数据块约1000帧，存储为Parquet格式，便于高效读取与处理。视频数据采用AV1编码，分辨率统一为640x480，确保了视觉信息的清晰度与一致性。

特点

该数据集在机器人模仿学习领域展现出显著特色，其多模态数据融合了关节状态、视觉观测与时间序列信息。机器人动作空间涵盖六个自由度，包括肩部平移、肩部抬升、肘部弯曲、腕部弯曲、腕部旋转以及夹爪位置。观测数据尤为丰富，提供了来自跟随者、领导者及RealSense相机的三路同步视频流，每路视频均具备RGB三通道色彩信息。数据集结构设计严谨，通过帧索引、片段索引与任务索引实现数据的精准定位与高效检索。

使用方法

为促进机器人行为克隆与强化学习研究，该数据集提供了清晰的使用路径。研究者可通过HuggingFace平台直接加载数据，利用预定义的数据路径访问分块存储的Parquet文件。数据集已划分为训练集，涵盖全部264个任务片段，支持端到端的策略学习流程。在实际应用中，可同步读取关节状态观测与多视角视频帧，结合时间戳与索引信息构建时序样本。数据集的标准化格式确保了与主流机器学习框架的兼容性，便于开展各类机器人控制算法的训练与验证。

背景与挑战

背景概述

在机器人学习领域，模仿学习与强化学习的研究依赖于高质量、大规模的真实世界交互数据。record-test-filtered数据集由HuggingFace的LeRobot项目创建，专注于机器人操作任务的数据收集。该数据集通过so_follower型机器人记录了264个任务片段，涵盖11种不同操作任务，包含超过九万帧的多视角视觉观测与六维关节动作数据。其构建旨在为机器人策略学习提供结构化、可复现的基准，推动从视觉输入到连续动作映射的端到端学习方法的进展。

当前挑战

该数据集致力于解决机器人模仿学习中从多模态感知到精确动作生成的复杂映射问题，其核心挑战在于如何处理高维视觉观测与低维动作空间之间的语义对齐。在构建过程中，数据采集面临多传感器同步、视角校准以及真实环境动态变化的困难；数据标注与结构化则需克服动作序列的时序一致性保持、任务边界划分以及大规模视频数据的高效存储与检索等技术障碍。

常用场景

经典使用场景

在机器人学习领域，record-test-filtered数据集为模仿学习与行为克隆提供了关键支持。该数据集通过记录机械臂在多种任务中的状态与动作序列，结合多视角视觉数据，为研究者构建从感知到动作的映射模型奠定了数据基础。经典应用场景涉及训练端到端的策略网络，使机器人能够从人类演示中学习精细操作技能，例如抓取与放置物体，从而在仿真与真实环境中实现自主执行复杂任务。

衍生相关工作

围绕该数据集，衍生出多项经典研究工作，主要集中在模仿学习与视觉运动策略学习领域。例如，基于行为克隆的端到端控制框架利用其多模态数据提升了策略的泛化性能；部分研究结合离线强化学习算法，从数据中提取稳健策略以应对环境不确定性。这些工作不仅推动了机器人学习算法的进步，还为开源机器人生态如LeRobot提供了可复现的基准与评估标准。

数据集最近研究