robolab-mg-mustard-soft
收藏资源简介：
该数据集由我们的MimicGen重新实现，在RoboLab（Isaac Lab）基准测试上生成，包含模拟操作演示。它是生成器×任务×难度网格中的12个单元之一。具体配置：生成器为MimicGen（我们的重新实现，非原作者代码），任务为mustard，初始姿态随机化程度为soft（位置在可行半径的20%，偏航角0°），共3056个成功片段，生成成功率为0.273。动作采用DROID框架中的绝对关节目标（7自由度手臂加上j7安装偏移）加上二进制夹爪{0,1}，不是增量。连续夹爪通道会高估下游策略性能，因此收集时已二值化。数据来源：源演示（pi05策略滚动）-> MimicGen（以物体为中心的SE(3)重新定位）-> 对于PGDG单元，这些MimicGen片段又作为控制点采样器的来源。每个片段的物理模拟仅保留成功结果，生成成功率也是成本驱动因素。难度级别通过物体初始位置随机化：位置为任务可行半径的比例，偏航角为半角。注意：仅包含成功片段，失败模式未体现；成功由环境中的K步稳定（保持）标准定义；观察包括两个摄像头（肩上方和手腕）270x480分辨率，15fps，以及本体感知状态；分位数统计（q01/q99）已预先计算，视频已重新编码为恒定帧率以便于基于torchcodec的数据加载器工作。这是我们对已发布方法的重新实现，并非原作者代码，多个超参数由我们选择。
This dataset is generated by our re-implementation of MimicGen on the RoboLab (Isaac Lab) benchmark, containing simulated manipulation demonstrations. It is one of 12 cells in the generator × task × difficulty grid. Specific configuration: generator is MimicGen (our re-implementation, not the original authors code), task is mustard, initial pose randomization is soft (position within 20% of feasible radius, yaw angle 0°), with 3056 successful episodes and a generation success rate of 0.273. Actions use absolute joint targets from the DROID framework (7-DOF arm plus j7 mounting offset) plus binary gripper {0,1}, not incremental. Continuous gripper channels would overestimate downstream policy performance, so they are binarized during collection. Data source: source demonstrations (pi05 policy rollouts) -> MimicGen (object-centric SE(3) repositioning) -> for PGDG cells, these MimicGen episodes also serve as sources for control point samplers. Physical simulation of each episode retains only successful results; generation success rate is also a cost driver. Difficulty level is determined by object initial position randomization: position as a proportion of task feasible radius, yaw angle as half-angle. Note: Only successful episodes are included; failure modes are not captured. Success is defined by a K-step stability (holding) criterion in the environment. Observations include two cameras (shoulder and wrist) at 270x480 resolution, 15 fps, and proprioceptive state. Quantile statistics (q01/q99) are precomputed, and videos are re-encoded to constant frame rate for compatibility with torchcodec-based data loaders. This is our re-implementation of published methods, not the original authors code, and multiple hyperparameters are chosen by us.
数据集概述：robolab-mg-mustard-soft
基本信息
- 数据集名称：robolab-mg-mustard-soft
- 许可证：Apache-2.0
- 任务类型：机器人学（Robotics）
- 标签：LeRobot, 机器人学, 操作, Isaac Lab, 数据生成, MimicGen
- 创建工具：LeRobot (https://github.com/huggingface/lerobot)
数据集内容
该数据集由 MimicGen 算法的重实现版本生成，用于 RoboLab（Isaac Lab）基准测试中的模拟操作演示。它是生成器 × 任务 × 难度网格中的12个单元之一。
关键参数
| 属性 | 值 |
|---|---|
| 生成器 | MimicGen（重实现版本，非原作者的代码） |
| 任务 | mustard |
| 初始位姿随机化 | soft — 位置为可行半径的20%，偏航角为0° |
| 回合数 | 3056（仅成功回合） |
| 生成成功率 | 0.273 |
动作定义（训练前必读）
- 动作为 DROID 坐标系中的绝对关节目标（7自由度手臂，包含j7安装偏移），外加一个 二元夹爪（取值{0, 1}）
- 动作 不是增量，叠加增量变换会产生不同的控制器行为
- 夹爪通道在采集时已二值化，因为连续夹爪通道会 高估 下游策略性能
数据生成过程
- 源演示（pi05策略回放）→ MimicGen（以物体为中心的SE(3)重定向）
- 对于PGDG单元，这些MimicGen回合进一步作为控制点采样的来源
- 每个回合在物理环境中执行，仅保留成功回合
- 难度级别通过位置（可行半径的百分比）和偏航角（半角）随机化物体的初始位置
注意事项
- 仅包含成功回合，失败模式未在此表示
- 成功由环境中的K步稳定（保持）准则定义，而非单帧确定
- 观测包括两个相机（肩上方 + 手腕）的图像，分辨率为270x480，帧率15fps，以及本体感知状态
- 分位数统计（q01/q99）已预计算，视频已重新编码为恒定帧率，以支持基于torchcodec的数据加载器
- 这是对已发表方法的 重实现，部分超参数在论文中未指定，由作者自行选择
数据集结构
- 回合总数：3056
- 总帧数：631,605
- 任务数量：1
- 块大小：1000
- 数据文件大小：100 MB
- 视频文件大小：200 MB
- 帧率：15 fps
- 划分：全部数据（0:3056）用于训练
特征信息
- 动作：8维float32，包含7个电机关节（j0–j6）和1个夹爪，帧率15fps
- 观测状态：8维float32，包含8个关节（joint_0–joint_7），帧率15fps
- 观测速度：8维float32，帧率15fps
- 图像观测：两个视频流（手腕相机和左肩上方相机），各为270x480x3，H.264编码，帧率15fps
- 其他元数据：回合索引、帧索引、整体索引、任务索引、时间戳、完成标志
可视化
可通过LeRobot数据集可视化器访问：https://huggingface.co/spaces/lerobot/visualize_dataset?dataset=DAVIAN-Robotics/robolab-mg-mustard-soft&episode=0
