R1_Lite_garbage_disposal

R1_Lite_garbage_disposal是一个基于R1_Lite机器人的垃圾处理数据集，使用LeRobot的扩展格式。数据集包含多种场景类型，如家庭场景。数据集包括抓取、捡起和放置等原子动作。数据集统计显示，共有81个总剧集，70054个总帧数，1个总任务，243个总视频，1个总块，块大小为1000，FPS为30，数据集大小为3.7GB。数据集还包含了丰富的注释，如子任务分割、场景描述、末端执行器方向、速度和加速度分类、夹具模式、夹具活动状态等。数据集分为训练集和测试集。数据集的结构遵循LeRobot格式，包含视频、状态数据、动作数据和元数据。数据集还包括运动特征和夹具特征。数据集的目录结构包括注释、数据、元数据和视频等目录。数据集的许可证为Apache-2.0。

原始信息汇总

R1_Lite_garbage_disposal 数据集概述

数据集基本信息

• 数据集名称: R1_Lite_garbage_disposal
• 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
• 帧范围: 10K-100K

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
• 帧率: 30 FPS
• 数据集大小: 3.7GB

场景与动作

场景类型

• 家庭环境

原子动作

• 抓取
• 拾取
• 放置

数据集统计

指标	数值
总情节数	81
总帧数	70054
总任务数	1
总视频数	243
总分块数	1
分块大小	1000

任务描述

主要任务

从桌子上捡起垃圾并扔进垃圾桶

子任务

1. 异常
2. 递给另一只手
3. 空
4. 捡起垃圾
5. 将垃圾放入垃圾桶

数据特征

视觉观测

• 观察.图像.cam_high_rgb: 视频 (720×1280×3, AV1编码)
• 观察.图像.cam_left_wrist_rgb: 视频 (720×1280×3, AV1编码)
• 观察.图像.cam_right_wrist_rgb: 视频 (720×1280×3, AV1编码)

状态与动作

• 观察.state: float32 (14维)
• action: float32 (14维)

时间信息

• 时间戳、帧索引、情节索引、索引、任务索引

标注信息

可用标注

• 子任务标注: 细粒度子任务分割和标注
• 场景标注: 语义场景分类和描述
• 末端执行器标注: 方向、速度、加速度分类
• 夹爪标注: 模式(开/关)、活动状态(活动/非活动)

附加特征

• 末端执行器仿真位姿: 6D位姿信息(状态和动作)
• 夹爪开口尺度: 连续夹爪开口测量(状态和动作)

数据分割

• 训练集: 情节0:80

文件结构

R1_Lite_garbage_disposal_qced_hardlink/ ├── annotations/ (标注文件) ├── data/chunk-000/ (Parquet数据文件) ├── meta/ (元数据文件) └── videos/chunk-000/ (视频文件) ├── observation.images.cam_high_rgb/ ├── observation.images.cam_left_wrist_rgb/ └── observation.images.cam_right_wrist_rgb/

作者与链接

贡献者

• RoboCOIN团队

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

技术兼容性

• 基于LeRobot扩展格式
• 完全兼容LeRobot框架

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

在机器人操作数据采集领域，R1_Lite_garbage_disposal数据集采用基于LeRobot框架的扩展格式构建而成。该数据集通过R1_Lite型双机械臂机器人，在家庭场景中执行垃圾拾取与投放任务，共采集81个完整操作片段，涵盖70054帧视觉数据。数据以分块形式组织，每个数据块包含1000个片段，采用Parquet格式存储，同时配备三路高清摄像头以30帧率同步记录操作过程，确保数据采集的系统性和完整性。

特点

该数据集在机器人操作学习领域展现出显著的多模态特性。其核心价值在于提供了丰富的标注体系，包括细粒度的子任务分割、场景语义分类以及末端执行器的运动学参数。特别值得注意的是数据集包含六维位姿信息、抓取器开合状态、运动方向与加速度等多维度运动特征，同时通过三视角视觉观测系统（高位摄像头与双腕部摄像头）全面捕捉操作过程。这种多层次标注结构为机器人模仿学习与行为理解研究提供了坚实基础。

使用方法

在机器人学习应用层面，该数据集支持端到端的操作策略训练与评估。研究人员可通过加载标准化的Parquet数据文件，获取机器人状态观测、动作指令及多模态标注信息。数据集按照LeRobot兼容格式组织，支持直接调用现有工具链进行数据处理与模型训练。特别设计的文件路径模式便于按片段索引访问数据，而分块存储机制则优化了大批量数据的读取效率，为复杂操作任务的算法开发提供了便捷的技术支持。

背景与挑战

背景概述

在机器人操作研究领域，家庭环境下的精细化任务执行一直是关键挑战。R1_Lite_garbage_disposal数据集由RoboCOIN团队于2025年构建，聚焦于双指夹爪机器人在家庭场景中的垃圾处理任务。该数据集基于LeRobot框架扩展开发，包含81个任务片段与7万余帧多视角视觉数据，通过精细标注的末端执行器运动轨迹与抓取状态，为双臂协调操作研究提供了重要实验基础。其涵盖的抓取、拾取、放置等原子动作序列，显著推动了家庭服务机器人的行为泛化能力研究。

当前挑战

该数据集致力于解决家庭场景中机器人精细操作的核心难题：包括垃圾抓取时的物体形变适应、投掷轨迹的精确控制等复杂物理交互问题。构建过程中面临多模态数据同步的技术挑战，需协调三路摄像头视觉流与14维关节状态数据的高频采集。末端执行器六维位姿标注的精度保障要求严格的标定流程，而家庭环境光照变化与物体材质多样性则对模型泛化能力提出更高要求。数据规模的扩展亦受限于真实场景中长周期任务执行的实操成本。

常用场景

经典使用场景

在机器人操作学习领域，R1_Lite_garbage_disposal数据集为双指夹爪机械臂的抓取与放置任务提供了标准化评估基准。该数据集通过81个完整操作序列、7万余帧多视角视觉数据，系统记录了从桌面拾取垃圾到投入垃圾桶的完整操作流程。其精细的动作分解与丰富的运动标注，为模仿学习与强化学习算法提供了理想的训练环境，特别是在家居场景下的物体操纵任务中展现出显著价值。

衍生相关工作

基于该数据集衍生的研究主要集中在机器人操作技能的迁移学习与泛化能力提升。相关工作探索了如何将垃圾处理任务中学习到的抓取策略应用于其他家居物品操作，形成了跨任务技能迁移的技术路线。同时，该数据集与LeRobot框架的深度整合，催生了多个开源机器人学习项目的改进，推动了基于大规模真实操作数据的端到端学习范式在机器人社区的发展。

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_garbage_disposal数据集凭借其精细化的双指抓取器操作标注，正推动模仿学习与行为克隆的前沿探索。该数据集涵盖抓取、拾取、放置等原子动作，并集成多视角视觉数据与末端执行器运动轨迹，为复杂任务的分层策略学习提供支撑。随着RoboCOIN项目在开放双手机器人数据集的突破性进展，研究者们正利用该数据集开发端到端的感知控制模型，旨在提升家庭环境中垃圾处理任务的泛化能力与操作精度，这一方向对促进服务机器人的实际落地具有深远意义。