Pick_up_Clarityn-D_merged_v2_v3

该数据集是使用LeRobot创建的机器人数据集，专门针对Franka机器人。它包含81个总剧集和44161总帧数，覆盖单一任务，数据以30fps的帧率采集。数据集结构包括动作特征（如末端执行器姿态变化和夹爪命令）、观测状态特征（如关节位置和末端执行器姿态），以及来自两个摄像头的图像观测（视频格式，分辨率为480x640，3通道）。数据文件总大小为100MB，视频文件总大小为200MB，仅包含训练分割。数据集适用于机器人学习和控制任务的研究。

This is a robotic dataset developed with LeRobot, specifically tailored for Franka robots. It consists of 81 total episodes and 44161 total frames, covering a single task, and was collected at a frame rate of 30 fps. The dataset structure includes action features such as end-effector pose variations and gripper commands, observation state features such as joint positions and end-effector poses, as well as image observations from two cameras (in video format, with a resolution of 480x640 and 3 channels). The total size of the data files is 100 MB, and the total size of the video files is 200 MB. Only the training split is included. This dataset is applicable to research on robotic learning and control tasks.

原始信息汇总

数据集概览

• 数据集名称: Pick_up_Clarityn-D_merged_v2_v3
• 许可证: Apache-2.0
• 任务类别: 机器人学
• 标签: LeRobot

数据集详情

• 机器人类型: Franka（Franka Emika 机器人）
• 总片段数: 81
• 总帧数: 44161
• 总任务数: 1
• 帧率: 30 FPS
• 数据文件大小: 100 MB（Parquet 格式）
• 视频文件大小: 200 MB（MP4 格式）
• 数据集划分: 全部 81 个片段用于训练（train: 0:81）
• 数据集路径结构:
  • 数据文件: data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
  • 视频文件: videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

数据特征

特征名称	数据类型	维度	描述
action	float32	[7]	机器人动作指令，包括末端执行器位姿（delta_ee_pose: x, y, z, rx, ry, rz）和夹爪指令（gripper_cmd_bin）
observation.state	float32	[15]	机器人状态观测，包括 7 个关节位置（joint_1.pos 至 joint_7.pos）、夹爪状态归一化值、夹爪指令、末端执行器位姿（ee_pose: x, y, z, rx, ry, rz）
observation.images.camera_1	视频	[480, 640, 3]	摄像头 1 捕获的 RGB 图像，分辨率 480x640，编码 AV1，帧率 30 FPS
observation.images.camera_2	视频	[480, 640, 3]	摄像头 2 捕获的 RGB 图像，分辨率 480x640，编码 AV1，帧率 30 FPS
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

数据集用途

该数据集使用 LeRobot 框架创建，适用于机器人学习任务，特别是基于视觉的机器人操控任务（如抓取目标物体）。数据集包含来自两个摄像头的 RGB 视频、机器人状态信息和动作指令，可用于训练模仿学习或强化学习模型。