R1_Lite_take_and_put_away_garden_stuff_a

这是一个基于LeRobot扩展格式的数据集，完全兼容LeRobot。数据集使用了R1_Lite机器人，代码库版本为v2.1，末端执行器类型为双指抓取器。数据集覆盖的场景类型为家庭场景。数据集包括抓取、拾取、放置、拉扯和推动等原子动作。数据集包含148个总剧集，355644个总帧，1个总任务，444个总视频，1个总块，块大小为1000，每秒帧数为30，数据集大小为15.9GB。数据集由RoboCOIN团队贡献，遵循Apache-2.0许可证。

原始信息汇总

R1_Lite_take_and_put_away_garden_stuff_a 数据集概述

基本信息

• 数据集名称: R1_Lite_take_and_put_away_garden_stuff_a
• 许可证: Apache-2.0
• 支持语言: 英语、中文
• 任务类别: 机器人技术
• 标签: RoboCOIN, LeRobot
• 帧数范围: 100K-1M

技术规格

• 机器人类型: R1_Lite
• 代码库版本: v2.1
• 末端执行器类型: 两指夹爪
• 场景类型: 家庭环境
• 帧率: 30 FPS
• 数据集大小: 15.9GB

数据集统计

指标	数值
总情节数	148
总帧数	355,644
总任务数	1
总视频数	444
总分块数	1
分块大小	1000

动作类型

• 抓取
• 拾取
• 放置
• 拉
• 推

任务描述

主要任务

将园艺物品放入冰箱抽屉，然后取出放到桌子上

子任务

包含34个不同的子任务，包括：

• 打开/关闭冰箱门和抽屉
• 抓取和放置苹果、青椒、橙子、土豆、南瓜等物品
• 使用左右夹爪执行操作

数据特征

视觉观测

• cam_high_rgb: 720×1280分辨率，AV1编码
• cam_left_wrist_rgb: 720×1280分辨率，AV1编码
• cam_right_wrist_rgb: 720×1280分辨率，AV1编码

状态与动作

• observation.state: 14维浮点数（关节位置和夹爪状态）
• action: 14维浮点数（关节控制命令）

注释信息

• 子任务分割标注
• 场景级别描述
• 末端执行器运动方向、速度、加速度
• 夹爪模式（开/关）和活动状态

运动特征

• 末端执行器仿真位姿（状态和动作）
• 末端执行器运动方向分类
• 末端执行器速度分类
• 末端执行器加速度分类

夹爪特征

• 夹爪开合尺度（连续值）
• 夹爪模式状态
• 夹爪活动状态

数据划分

• 训练集: 情节0-147

文件结构

数据集采用LeRobot格式组织：

• data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

相关链接

• 主页: https://flagopen.github.io/RoboCOIN/
• 论文: https://arxiv.org/abs/2511.17441
• 代码库: https://github.com/FlagOpen/RoboCOIN
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

贡献者

• RoboCOIN团队

版本信息

• 初始版本: v1.0.0 (2025年11月)

搜集汇总

数据集介绍

构建方式

在机器人操作数据集构建领域，R1_Lite_take_and_put_away_garden_stuff_a采用基于LeRobot框架的扩展格式进行系统化构建。该数据集通过R1_Lite型机器人搭载双指夹爪，在家庭场景中执行园艺物品存取任务，共采集148个完整操作序列，涵盖355,644帧视觉数据。数据以分块形式组织为Parquet文件与MP4视频流，通过多视角摄像头同步记录操作过程，并集成关节状态、末端执行器位姿等机器人本体数据，形成统一的结构化数据集。

特点

该数据集在机器人操作研究领域展现出显著的多模态特性，集成三路高清摄像头视角（高位、左右腕部）的视觉数据流，帧率达30fps。其标注体系涵盖细粒度子任务分割、场景语义分类及末端执行器运动学参数，包括方向、速度、加速度的量化表征。特别值得关注的是提供了完整的六维位姿仿真数据与夹爪开合尺度连续测量，支持从状态到动作的完整动力学分析。数据集包含34类精细化操作子任务，为复杂操作策略学习提供丰富样本。

使用方法

针对机器人模仿学习与操作策略研究，该数据集可通过LeRobot兼容接口直接加载使用。研究人员可依据标准数据路径模式调用训练集片段，通过Parquet文件读取机器人状态观测值与动作指令序列，同步加载对应视角的视频流进行行为分析。数据集支持端到端策略学习、动作分割识别、多模态表征学习等多种研究范式，其丰富的运动学标注为动力学建模提供可靠基准。使用者可通过官方代码库获取数据加载工具链，快速构建机器人操作实验环境。

背景与挑战

背景概述

随着机器人技术在家庭环境中的应用日益广泛，面向复杂操作任务的数据集需求逐渐凸显。R1_Lite_take_and_put_away_garden_stuff_a数据集由RoboCOIN团队于2025年发布，作为RoboCOIN项目的重要组成部分，专注于双手机器人在家庭场景中的物体取放操作。该数据集基于LeRobot框架构建，涵盖148个任务片段与35万余帧数据，通过多视角视觉观测与精细的动作标注，致力于解决机器人对日常物品的抓取、放置及空间交互等核心问题，为具身智能研究提供了关键的数据支撑。

当前挑战

在机器人操作领域，精确控制双手机器人完成物体取放任务面临多重挑战，包括对多样化物体形状的适应性抓取、在受限空间中的避障规划以及多步骤任务的时序协调。数据构建过程中需克服高维动作空间的标注复杂性，确保多摄像头视角的数据同步与校准，同时维持操作轨迹的物理一致性。此外，模拟环境到真实世界的迁移泛化能力，以及长序列任务中误差累积的控制，均是本数据集旨在解决的关键难题。

常用场景

经典使用场景

在机器人操作学习领域，该数据集为双指夹爪机器人在家庭环境中的物品取放任务提供了标准化基准。通过148个完整操作序列和35万帧多视角视觉数据，研究人员能够系统性地评估机器人抓取、放置、推拉等基础操作技能的掌握程度。数据集精细标注的34个子任务为机器人动作规划与执行提供了层次化学习框架，特别适用于验证双臂协调操作在复杂场景下的表现。

实际应用

在现实应用层面，该数据集支撑的服务机器人系统已能胜任家庭环境中的日常物品整理任务。基于数据集训练的模型可指导机器人完成果蔬收纳、冰箱开关、抽屉操作等具体家务活动，为智慧家居场景提供了可靠的技术方案。其双机械臂协同操作范式还可延伸至工业分拣、物流仓储等领域，为实现复杂环境下的精细化操作奠定了实践基础。

衍生相关工作

围绕该数据集衍生的研究工作主要集中在机器人操作技能的迁移学习与泛化能力提升。基于LeRobot框架开发的层次化强化学习算法通过利用数据集中的子任务标注，实现了操作技能的组合与复用。同时，研究者利用丰富的运动学标注数据开发了新型模仿学习架构，显著提升了机器人动作生成的准确性与流畅度。这些成果共同推动了机器人操作学习领域的技术进步与方法创新。