parcelot

这是一个机器人学数据集，包含了双臂机器人的操作视频和相关数据。数据集共有29个剧集，25609帧，1个任务，87个视频，分为1个块，每块1000帧。数据集的帧率为30fps，目前只提供了训练集分割。数据集中的特征包括动作、状态、顶部图像、左腕图像、右腕图像和时间戳等。所有数据以Parquet格式存储，视频为av1编码的MP4文件。

搜集汇总

数据集介绍

构建方式

在机器人技术领域，parcelot数据集通过LeRobot平台精心构建，采用先进的bimanual_parcelot双手机器人系统采集数据。数据集包含29个完整任务片段，共计25609帧数据，以30fps的帧率记录，数据以Parquet格式分块存储。每帧数据不仅包含12维的双臂关节位置信息，还同步采集了顶部视角、左右腕部视角的三通道彩色视频，视频分辨率为640×480像素，采用AV1编码格式，确保了数据的完整性和时效性。

特点

该数据集最显著的特点是全面记录了双手机器人的多模态感知数据。动作空间包含12个自由度的手臂和夹爪位置控制信号，观测空间则同步提供机械臂关节状态和三个视角的视觉信息。数据结构设计科学，通过时间戳、帧索引和任务索引实现精准对齐，视频数据采用现代编解码技术压缩存储，在保证质量的同时显著降低存储需求。这种多传感器同步采集的模式，为机器人模仿学习研究提供了丰富的训练素材。

使用方法

研究者可通过HuggingFace平台获取该数据集，数据以分块Parquet文件形式组织，配合清晰的元数据描述文件。典型使用流程包括：加载指定分块数据、解析动作和观测字段、提取视频帧序列进行时空对齐。数据集已预分为训练集，包含全部29个任务片段，适合用于机器人行为克隆、强化学习等算法的训练与验证。视频数据可通过标准视频解码库处理，关节状态数据可直接用于控制策略建模。

背景与挑战

背景概述

Parcelot数据集由LeRobot团队基于开源机器人平台构建，专注于双机械臂控制领域的研究。该数据集收录了29个任务片段、25609帧数据以及87段视频，采用Apache-2.0许可协议开放。其核心价值在于提供了完整的双机械臂运动轨迹数据，包含12维动作空间和状态空间的关节位置信息，以及顶部视角、左右腕部视角的三通道视觉观测。这类多模态数据为机器人模仿学习、动作规划等研究提供了重要基准。

当前挑战

在技术层面，Parcelot数据集面临着双机械臂协同控制的动作空间建模难题，12维连续动作空间的样本覆盖度直接影响策略网络的泛化能力。数据构建过程中，多视角视频同步采集与高精度关节位姿标定存在工程挑战，30fps的时序一致性要求对硬件同步系统提出严格要求。此外，当前数据集规模仅包含单一任务类型，在跨任务迁移学习场景下可能面临样本多样性不足的局限。

常用场景

经典使用场景

在机器人学领域，parcelot数据集以其丰富的双机械臂操作数据成为研究多自由度协同控制的理想选择。该数据集通过记录12个关节角度数据和三视角视觉信息，为模仿学习算法提供了完整的动作-观测对，特别适合用于训练机械臂的轨迹规划模型。30Hz的高频采样特性使其能够捕捉精细的操作细节，480p的多角度视频则为视觉-动作联合建模提供了可靠输入。

衍生相关工作

该数据集已催生多项关于多机械臂协同控制的创新研究。部分工作聚焦于基于Transformer的多模态动作预测，另有研究利用其构建了分层强化学习框架。LeRobot团队进一步扩展了数据集的边界，开发出支持实时动作生成的变分自编码器模型，推动了从演示数据到实际控制的端到端学习范式发展。

数据集最近研究

最新研究方向

在机器人学领域，双机械臂系统的协同控制一直是研究热点。parcelot数据集以其独特的双机械臂操作数据为研究者提供了宝贵资源。该数据集包含29个完整操作序列和25609帧高精度动作记录，特别关注了左右机械臂12个关节的位置控制与多视角视觉反馈。当前研究正围绕多模态数据融合展开，探索如何将关节位置数据与顶部、左右腕部摄像头采集的视觉信息相结合，以提升复杂操作任务的泛化能力。随着模仿学习在机器人控制中的广泛应用，该数据集为研究端到端策略学习提供了理想平台。其30fps的高频数据采集特性，使得时序建模成为可能，为动态操作任务的研究开辟了新方向。