salmonHan/record-test_20260528_002139

该数据集是一个机器人操作数据集，使用LeRobot工具创建。数据包含一个总时长为1797帧的单个任务，采样频率为30帧/秒。机器人类型为so_follower，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。数据集包含多个特征：动作（action）和观测状态（observation.state）均为6维浮点数组，分别对应机器人关节位置（如肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部滚动和夹爪位置）；观测图像（observation.images.front）为视频格式，分辨率为720x1280，包含3个颜色通道；其他特征包括时间戳、帧索引、任务索引、episode索引和索引。数据分割为训练集（全部数据）。This is a robotic manipulation dataset constructed using the LeRobot toolkit. It contains a single task with 1797 total frames, sampled at 30 frames per second (fps). The robot platform is so_follower. The structured data is stored in Parquet format, with a total size of 100 MB, while the accompanying video files have a combined size of 200 MB. The dataset includes multiple feature types: both the action and observation.state are 6-dimensional floating-point arrays, which respectively correspond to the robot's joint positions including shoulder translation, shoulder elevation, elbow flexion, wrist flexion, wrist roll, and gripper position; the front observation image (observation.images.front) is stored in video format, with a resolution of 720×1280 and 3 color channels. Additional features include timestamp, frame index, task index, episode index, and index. The full dataset is assigned exclusively to the training split with no reserved validation or test subsets.

搜集汇总

数据集介绍

构建方式

该数据集名为record-test_20260528_002139，基于LeRobot框架构建，专为机器人学习领域设计。数据集以单个episode形式采集，包含1797帧时序数据，帧率设定为30FPS，总时长约60秒。数据存储采用Parquet格式与视频文件分离策略：结构化数据（如机器人关节动作与状态）存放于chunk-xxx/file-xxx.parquet文件中，而高分辨率视觉观测（720×1280像素，AV1编码）则存放于videos目录下的MP4视频文件中。配置信息记录在meta/info.json中，明确指定了机器人类型为so_follower、任务数量为1，并将全部数据划分为训练集。

特点

该数据集的核心特点在于其多模态融合与结构设计。观测空间包含6维关节状态（肩部、肘部、腕部、夹爪位置）以及一个前视摄像头视频流，动作空间与状态空间维度一致，便于模仿学习策略的端到端训练。时序信息通过timestamp与frame_index字段明确标注，支持时间对齐分析。数据完整性由chunks_size与data_files_size_in_mb等参数保障，且公开的视频编码参数（如比特率、帧率）提供了复现基准。此外，数据集遵循Apache-2.0开源协议，为学术研究与工业应用提供便利。

使用方法

使用该数据集时，可通过LeRobot库的api直接加载Parquet文件与视频流。用户需安装LeRobot并定义dataset路径，调用load_dataset函数指定config为'default'，将自动读取data/*/*.parquet路径下的结构化数据与videos目录下的视频帧。数据加载后，可通过'observation.state'与'observation.images.front'键访问关节状态与图像序列，利用'action'键获取对应时间步的机械臂控制指令。建议结合HuggingFace Spaces提供的可视化工具在线预览数据，辅助理解任务上下文。最终，用户可基于该数据集训练机器人模仿学习模型，例如行为克隆或扩散策略。

背景与挑战

背景概述

该数据集由salmonHan团队于2025年6月28日创建，基于LeRobot框架构建，旨在为机器人操作任务提供标准化训练数据。核心研究问题围绕机器人模仿学习中的动作与状态映射，数据集包含单条示范轨迹（共1797帧），记录了一只so_follower型机械臂在六自由度空间中的连续动作序列（包括肩、肘、腕及夹爪的位姿信息），并同步采集了高分辨率（1280×720像素）的前视视觉图像。作为Apache-2.0许可下的开放资源，该数据集为机器人领域的小样本学习、行为克隆等研究方向提供了基础性验证平台，尤其适用于探索低数据量场景下的技能迁移与泛化能力评估。

当前挑战

当前挑战首先体现在领域问题的复杂性上：机器人操作任务需要解决高维连续动作空间与视觉观测之间的实时映射问题，相较于图像分类等静态任务，该数据集面临的模仿学习任务要求模型从单条示范中准确捕捉细粒度动作时序依赖和因果逻辑。其次，构建过程中面临显著挑战：数据集仅含1个示范回合（共1797帧），数据量极小，难以覆盖真实操作中的噪声、多模态扰动及长尾失败场景；同时，LeRobot框架下状态与动作特征严格对齐，但机械臂真实物理过程中存在的关节摩擦、惯性延迟等非线性因素未被显式建模，可能削弱数据在策略泛化中的鲁棒性。此外，单视角视觉观测存在的遮挡与深度歧义问题，进一步增加了从2D图像恢复6D动作语义的难度。

常用场景

经典使用场景

在机器人学习领域，record-test_20260528_002139数据集以其精细的动作捕捉与状态记录能力，成为模仿学习与行为克隆研究的理想起点。该数据集通过LeRobot框架采集，记录了单条机器人手臂在30帧每秒的高速采样下的完整操作轨迹，包含六维关节空间的状态与动作信息，以及高分辨率的前视视觉流。经典使用场景聚焦于利用专家演示数据训练机器人学习任务策略，例如通过监督学习从状态-动作对中提取最优映射关系，使机器人能够复现如抓取、放置等精细操作。研究者常以此数据集验证算法在低样本量下的泛化能力，因其单集数据特性，尤其适合探索数据效率提升与迁移学习策略。

衍生相关工作

围绕record-test_20260528_002139数据集的特点，学术界衍生了多项具有影响力的研究方向。基于其单集高帧率轨迹，研究者开发了时间序列注意力机制与动作分块（Action Chunking）方法，将长序列预测拆解为可管理的子任务，显著提升了策略连续性。此外，该数据集启发了基于隐式策略表达的操作模型，通过去噪扩散或能量函数建模，从有限演示中学习多模态动作分布。同时，结合其高分辨率视觉流，视觉-语言-动作联合训练的工作被提出，使得机器人能够理解上下文指令并生成情境化操作。这些工作不仅拓展了模仿学习的理论边界，也催生了如LeRobot生态下的标准化测试协议，成为比较各类算法性能的公认平台。

数据集最近研究

最新研究方向

当前，机器人学习领域正从传统的仿真环境向真实世界数据驱动范式深刻转型，本数据集作为以LeRobot框架构建的“SO_Follower”型机器人操作轨迹记录，代表了小样本真实场景模仿学习的前沿实践。数据集仅含单个任务的1797帧连贯演示，却完整覆盖了关节空间6维动作指令与高分辨率视觉观测，其结构化的Parquet格式与30FPS视频流尤为契合端到端策略的离线训练。在可控性与数据稀缺性并存的当代，该数据集呼应了“少样本灵巧操控”这一热点方向，为研究如何从极度稀疏的专家示范中泛化出鲁棒策略提供了宝贵锚点，也对推动低成本机械臂在非结构化环境中部署具有奠基意义。