遇见数据集

INSIGHTfixposV3_EE

收藏
Hugging Face2026-04-27 更新2026-04-28 收录
官方服务:

资源简介:

该数据集是一个专注于机器人和操作任务的数据集,使用LeRobot创建。数据集包含5647个episodes,246793帧,覆盖13个不同任务。数据以10fps的帧率采集,存储为parquet格式。数据集包含多种观测数据,如机器人状态(包括末端执行器位置、关节角度、夹爪状态等)和来自多个视角的图像数据(包括手腕、左肩、右肩和引导视角的图像及语义图像)。动作数据包括位置、轴角表示和夹爪控制。数据集还包含奖励信号、技能ID、时间戳等辅助信息。数据总大小为100MB,视频文件大小为500MB。适用于机器人控制、操作任务学习和计算机视觉等研究领域。

This dataset focuses on robotics and manipulation tasks, and was developed using LeRobot. It contains 5,647 episodes and 246,793 frames, covering 13 distinct tasks. The data is collected at a frame rate of 10 fps and stored in Parquet format. The dataset includes various types of observation data, such as robot states (including end-effector positions, joint angles, gripper states, etc.) and image data from multiple viewpoints, including both regular images and semantic images captured from the wrist, left shoulder, right shoulder, and guiding perspective. The action data covers positions, axis-angle representations, and gripper controls. Auxiliary information such as reward signals, skill IDs, and timestamps is also included. The total size of the dataset is 100 MB, while the total size of the video files is 500 MB. This dataset is applicable to research fields such as robot control, manipulation task learning, and computer vision.

创建时间:
2026-04-27
原始信息汇总

数据集概述

数据集名称:INSIGHTfixposV3_EE
发布地址https://huggingface.co/datasets/Whalswp/INSIGHTfixposV3_EE
许可证:Apache-2.0
任务类别:机器人学(Robotics)
标签:LeRobot, INSIGHT, Robotics, Manipulation, Guide
创建工具:使用 LeRobot 创建


数据集结构与规模

  • 代码库版本:v3.0
  • 机器人类型:Franka Panda
  • 总片段数(Episodes):5,647
  • 总帧数(Frames):246,793
  • 总任务数:13
  • 数据分块:每个块包含 1,000 帧(chunks_size: 1000)
  • 帧率:10 FPS
  • 数据分割:训练集(train)包含全部 5,647 个片段(0:5647)
  • 数据大小
    • 数据文件(parquet):约 100 MB
    • 视频文件(mp4):约 500 MB

数据特征

观测特征(Observations)

特征名称 数据类型 形状(原始/处理后) 说明
observation.state float32 [32] (含16个命名维度) 机器人状态:包括末端执行器位置(ee_x/y/z)、四元数姿态(ee_qw/qx/qy/qz)、7个关节角度(j1-j7)以及两个夹爪变量(gripper_1, gripper_2),共16个命名维度
observation.images.wrist 视频 224x224x3 (原始640x480) 腕部相机图像
observation.images.wrist_semantic 视频 224x224x3 (原始640x480) 腕部语义分割图像
observation.images.left_shoulder 视频 224x224x3 (原始640x480) 左肩相机图像
observation.images.left_shoulder_semantic 视频 224x224x3 (原始640x480) 左肩语义分割图像
observation.images.right_shoulder 视频 224x224x3 (原始640x480) 右肩相机图像
observation.images.right_shoulder_semantic 视频 224x224x3 (原始640x480) 右肩语义分割图像
observation.images.guide 视频 224x224x3 (原始640x480) 引导图像(guide)
observation.images.guide_semantic 视频 224x224x3 (原始640x480) 引导语义分割图像

所有视频采用 AV1 编码,YUV420P 像素格式,10 FPS,无音频。

动作特征(Action)

特征名称 数据类型 形状 说明
action float32 [32] (含7个命名维度) 机器人动作:包括位置(pos_x, pos_y, pos_z)、角向量(aa_x, aa_y, aa_z)和夹爪开度(gripper)
action.skill_id int32 [1] 技能标识符

其他特征

特征名称 数据类型 形状 说明
next.reward float32 [1] 下一步奖励值
timestamp float32 [1] 时间戳
frame_index int64 [1] 帧索引
episode_index int64 [1] 片段索引
index int64 [1] 全局索引
task_index int64 [1] 任务索引

数据文件结构

  • 元信息文件meta/info.json
  • 数据文件路径data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
  • 视频文件路径videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

引用信息

目前未提供 BibTeX 引用。

搜集汇总
数据集介绍
INSIGHTfixposV3_EE 数据集图片
构建方式
INSIGHTfixposV3_EE数据集基于LeRobot框架构建,针对Franka Panda机器人平台,通过遥操作与自动演示相结合的方式,采集了5647个操作片段,共计约24.68万帧数据。涵盖13种操作任务,数据以1000帧为单元分块存储,采用Parquet格式保存状态与动作序列,并辅以MP4视频文件记录多视角视觉观察。数据集按10帧每秒的采样频率同步记录机器人状态(包括末端执行器位姿、关节角度与夹爪状态)、动作指令及多模态视觉信息,并包含语义分割图像与引导信息,为模仿学习与策略泛化研究提供结构化数据支撑。
使用方法
数据集适用于基于LeRobot框架的机器人操作策略训练。用户可通过HuggingFace的LeRobot可视化工具浏览数据样本,或直接调用LeRobot库的API进行数据加载与预处理。推荐采用模仿学习方法,利用'action'字段作为预测目标,以'observation.state'和'observation.images'系列作为输入,训练端到端或基于视觉的策略模型。数据集已预设训练集划分(0:5647),且'action'字段包含7维操作指令(位置、姿态、夹爪)与技能标识,可直接用于策略学习与技能提取。研究人员亦可结合语义图像进行场景理解与泛化能力提升。
背景与挑战
背景概述
INSIGHTfixposV3_EE数据集是INSIGHT项目在机器人操作领域的重要产物,依托LeRobot框架构建,由相关研究团队于近期开发。该数据集以Franka Panda机械臂为平台,涵盖了5647个演示回合和近25万帧数据,涉及13种操作任务。其核心研究问题聚焦于通过视觉与状态信息的深度融合,提升机器人在精细操作中的泛化能力与鲁棒性。数据集中包含了多视角视觉观测(如腕部、肩部相机)以及语义分割图像,为模仿学习和强化学习提供了丰富的高维特征输入。该数据集的发布预计将推动机器人操作技能从固定任务向多任务迁移的研究进展,尤其在引导策略与自适应控制领域具有潜在影响力。
当前挑战
在领域问题层面,该数据集旨在解决机器人精细操作中状态表征不充分的问题。传统数据集往往仅依赖低维关节角度或末端执行器位姿,难以应对复杂场景下的动态接触与任务切换。INSIGHTfixposV3_EE通过引入32维状态向量(涵盖位置、四元数、关节角度及夹爪状态)结合多路图像输入,试图弥合模拟与真实操作之间的鸿沟。在构建过程中,主要挑战在于多模态数据的高效同步与标注一致性:例如,每秒10帧的视频流与状态序列必须严格对齐,同时语义分割图像的生成需要大量人工校验。此外,13个任务的演示数据需在保持机械臂运动柔顺性的前提下覆盖多样化的初始化条件,这对数据采集的自动化程度和抗干扰能力提出了较高要求。
常用场景
经典使用场景
在机器人操作领域,INSIGHTfixposV3_EE数据集凭借其精细的动作序列与多视角视觉信息,成为模仿学习与行为克隆研究的基石。该数据集收录了Franka Panda机械臂在13种固定位置操控任务中的近25万帧高保真数据,涵盖末端执行器位姿、关节角度及多摄像头(腕部、肩部、引导视角)的RGB与语义图像。研究者常将其用于训练端到端的视觉运动策略,通过观察图像与状态序列拟合专家动作分布,从而构建稳健的机械臂操控模型。其设计特别聚焦于支持固定位置下的精密操作学习,为后续算法在复杂装配、拾取放置等任务上的泛化提供了标准化的数据基础。
解决学术问题
该数据集核心解决了机器人学中数据稀缺与任务多样性不足的学术困境。通过提供超过5000个高质量演示片段,它使研究者能够系统性地探究小样本模仿学习中的迁移问题、多任务策略的共享表征学习,以及语义视觉线索对操作鲁棒性的影响。其语义分割视频流与动作技能标识字段尤为珍贵,有助于解耦视觉感知与运动控制的内在机制,推动理解姿态空间与图像空间在策略学习中的互作用。此外,数据集对引导视角的独特标注,为研究人机协同中的意图推断与纠正性示范提供了关键资源,深刻影响了具备学习能力的自动化系统在复杂环境中的适应性理论发展。
实际应用
在实际工业场景中,INSIGHTfixposV3_EE数据集所支撑的策略学习技术,可直接部署于精密电子元件组装、医疗器械操作及实验室自动化等对定位精度要求苛刻的环节。机械臂在固定工位上的示教学习经历,能够通过该数据集训练的模型快速迁移至相似环境,减少工程师手动编程的耗时。进一步地,结合语义信息引导的视觉策略,可增强系统在动态光照或部分遮挡条件下的操作可靠性。零售物流领域的分拣与包装、半导体制造中的晶圆处理等任务,也能受益于数据集所涵盖的多样化抓取与放置模式,加速智能机器人从学术界研究原型向工业界实用工具的转化进程。
数据集最近研究
最新研究方向
INSIGHTfixposV3_EE数据集聚焦于基于Franka Panda机械臂的精细化抓取与放置操作,其蕴含的5647个示范片段及多视角视觉语义观测(包含腕部、肩部及引导相机)为模仿学习与技能分解研究提供了坚实基座。当前,该领域的前沿热点在于如何通过解耦动作空间中的末端执行器位姿与技能标识(skill_id),结合语义引导图像,实现复杂装配任务中的零样本泛化与鲁棒操作。该数据集的发布,为构建通用机器人操作基础模型、推动具身智能从实验室走向真实柔性制造场景注入了关键数据动力。
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