R1_Lite_fold_clothes

这是一个基于LeRobot格式的机器人数据集，完全兼容LeRobot。数据集包括使用两指抓取器在R1_Lite机器人上进行折叠和展开衣服的机器人任务。数据集具有丰富的注释，包括子任务分割、场景描述、末端执行器运动方向、速度和加速度，以及抓取器控制信息。它还包括3D模拟姿态数据以及连续抓取器开启测量。数据集被分为训练和测试部分，其结构遵循LeRobot格式。它是在Apache-2.0许可下发布的。

原始信息汇总

R1_Lite_fold_clothes 数据集概述

基本信息

• 数据集名称: R1_Lite_fold_clothes
• 许可证: apache-2.0
• 支持语言: 英语、中文
• 任务类别: 机器人学
• 标签: RoboCOIN, LeRobot
• 数据范围: 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: two_finger_gripper
• 场景类型: home
• 原子动作: grasp, fold, unfold

数据集统计

指标	数值
总回合数	111
总帧数	283265
总任务数	1
总视频数	333
总分块数	1
分块大小	1000
帧率	30
数据集大小	17.4GB

任务描述

主要任务

fold t shirt shorts sweatshirt on bed then unfold them

子任务

包含17个不同的子任务：

1. abnormal
2. End
3. Fold the black sweatshirt
4. Fold the black T-shirt
5. Fold the blue shorts
6. Fold the brown shorts
7. Fold the red T-shirt
8. Fold the white T-shirt
9. Fold the yellow T-shirt
10. null
11. Unfold the black sweatshirt
12. Unford the black T-shirt
13. Unford the blue shorts
14. Unford the brown shorts
15. Unford the red T-shirt
16. Unford the white T-shirt
17. Unford the yellow T-shirt

数据特征

视觉观测

• observation.images.cam_high_rgb: 视频，帧率30，编码av1
• observation.images.cam_left_wrist_rgb: 视频，帧率30，编码av1
• observation.images.cam_right_wrist_rgb: 视频，帧率30，编码av1

状态与动作

• observation.state: float32
• action: float32

时间信息

• timestamp, frame_index, episode_index, index, task_index

注释信息

• subtask_annotation, scene_annotation

运动特征

• eef_sim_pose_state, eef_sim_pose_action
• eef_direction_state, eef_direction_action
• eef_velocity_state, eef_velocity_action
• eef_acc_mag_state, eef_acc_mag_action

夹爪特征

• gripper_open_scale_state, gripper_open_scale_action
• gripper_mode_state, gripper_mode_action
• gripper_activity_state

数据划分

• 训练集: 回合0:110

文件结构

R1_Lite_fold_clothes_qced_hardlink/ ├── annotations/ ├── data/ │ └── chunk-000/ ├── meta/ └── videos/ └── chunk-000/ ├── observation.images.cam_high_rgb/ ├── observation.images.cam_left_wrist_rgb/ └── observation.images.cam_right_wrist_rgb/

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

引用信息

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Runtian Xu, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang and Guocai Yao}, journal={arXiv preprint arXiv:2511.17441}, url = {https://arxiv.org/abs/2511.17441}, year={2025} }

搜集汇总

数据集介绍

构建方式

在机器人操作研究领域，R1_Lite_fold_clothes数据集通过R1_Lite双指夹爪机器人在家庭环境中执行衣物折叠任务构建而成。该数据集采用LeRobot扩展格式，包含111个完整操作序列，总计283,265帧视觉与运动数据。数据采集过程中，机器人通过三个视角的RGB摄像头（高视角、左右腕部视角）以30帧/秒的速率记录操作过程，同时采集14维关节状态与动作数据，并按照分块存储机制组织为Parquet格式文件。

特点

该数据集的核心特征体现在多模态数据融合与精细化标注体系。除了包含三路高清视频流（分辨率1280×720）外，还提供了末端执行器的六维位姿、运动方向、速度加速度分类等运动学特征，以及夹爪开合状态与活动模式等控制信号。特别值得关注的是其细粒度任务标注系统，将衣物折叠操作分解为17个子任务，并配备完整的场景语义标注与时序分割信息，为模仿学习与行为分析研究提供丰富监督信号。

使用方法

研究者可通过LeRobot框架直接加载该数据集进行机器人操作策略学习。数据文件采用标准Parquet格式存储，支持通过指定分块索引与片段编号快速访问特定操作序列。训练时可直接调用视觉观察（observation.images）、状态信息（observation.state）与动作指令（action）三大核心模块，同时可利用丰富的运动学标注进行细粒度行为分析。数据集已预设训练划分（0-110片段），用户可通过修改数据路径参数灵活调整实验配置。

背景与挑战

背景概述

在机器人操作研究领域，衣物折叠任务因其复杂的形变特性和非刚性物体交互特性而成为重要研究课题。R1_Lite_fold_clothes数据集由RoboCOIN团队于2025年发布，基于LeRobot框架构建，专门针对双指夹爪机器人R1_Lite在家庭环境中的衣物折叠与展开操作。该数据集包含283,265帧多视角视觉数据与丰富的动作标注，通过17种细分子任务系统记录了T恤、短裤、运动衫等衣物的操作流程，为机器人精细操作学习提供了高价值的多模态数据支撑。

当前挑战

该数据集致力于解决非刚性物体操作中的核心难题：衣物在折叠过程中的动态形变建模与多步骤任务规划。构建过程中面临双重挑战：一方面需要精确捕捉双机械臂协同操作时末端执行器的六维位姿变化与抓取力度控制，另一方面需处理多视角视频数据同步与大规模动作标注的一致性验证。数据采集时还需克服不同材质衣物的物理特性差异，确保动作轨迹在仿真环境与真实场景间的可迁移性。

常用场景

经典使用场景

在机器人操作学习领域，R1_Lite_fold_clothes数据集为衣物折叠任务提供了标准化的研究平台。该数据集通过双指夹爪机器人记录了大量折叠T恤、短裤和运动衫的操作序列，涵盖抓取、折叠与展开等基础动作。其多视角视觉观测与精细的动作标注为模仿学习算法提供了丰富训练素材，使研究者能够系统分析复杂布料操作中的运动规划问题。

衍生相关工作

该数据集催生了RoboCOIN项目系列研究，拓展了双臂协调操作的理论边界。基于其构建的基准测试推动了动作分割算法的发展，如时序动作定位与多模态表征学习。相关研究进一步衍生出跨任务泛化框架，将折叠技能迁移至其他布料操作场景，形成了机器人操作知识迁移的完整方法论体系。

数据集最近研究

最新研究方向

在家庭服务机器人领域，R1_Lite_fold_clothes数据集聚焦于衣物折叠任务的精细化操作研究。当前前沿方向主要围绕多模态感知与双臂协同控制展开，通过整合三视角视觉数据与末端执行器运动轨迹，探索基于深度模仿学习的操作策略生成。该数据集与RoboCOIN项目联动，推动开源双手机器人数据生态建设，其丰富的动作标注体系为研究柔性物体形变建模与任务级动作分解提供了重要基础，显著提升了家庭环境中机器人对非结构化任务的适应能力。