遇见数据集

so101-sim-pick

收藏
Hugging Face2026-09-04 更新2026-09-04 收录
官方服务:

资源简介:

v1版本——82个成功的抓取和放置回合,在MuJoCo仿真中生成。一个SO-101从动臂从桌子上拾取一个40毫米的橙色球,并将其放置到一侧。没有人类遥操作,也没有真实硬件:每个回合都由脚本化策略生成,因此数据集易于重新生成和扩展。

v1 version - 82 successful pick-and-place episodes generated in MuJoCo simulation. A SO-101 follower arm picks up a 40 mm orange ball from a table and places it to the side. There is no human teleoperation nor real hardware: each episode is generated by a scripted policy, making the dataset easy to regenerate and extend.

提供机构:
amiryanj
创建时间:
2026-09-04
原始信息汇总

数据集详情总结:amiryanj/so101-sim-pick

基本信息

  • 许可证:Apache 2.0
  • 任务类别:机器人技术(Robotics)
  • 标签:LeRobot、MuJoCo、仿真、SO-101、拾取放置(Pick-and-Place)、脚本化策略
  • 数据集格式:Parquet 文件(data/*/*.parquet),基于 LeRobot 框架创建

数据集内容

该数据集包含 82 个成功的拾取-放置(Pick-and-Place)轨迹片段,全部在 MuJoCo 仿真环境中生成。任务场景为:SO-101 跟随臂从桌面上拾取一个 40 毫米的橙色球体,并将其放置到一侧。

  • 无人工遥操作,不使用真实硬件
  • 所有轨迹均由脚本化策略产生,成本低且易于重新生成和扩展
  • 模拟器:MuJoCo 3.8.1,场景文件 SO-ARM100/Simulation/SO101/scene_sim.xml
  • 项目主页:https://github.com/amiryanj/robot_bazoo

轨迹生成方法

轨迹由确定性状态机生成(非神经策略,也非人类操作):

  1. 直接从模拟器中读取球体位置(无感知环节)
  2. 使用阻尼最小二乘逆运动学(DLS-IK)规划路径:home → high → standoff → grasp
  3. 最后一段按直线笛卡尔轨迹运动,通过逐步 IK 微调(0.2 mm/步)
  4. 夹爪闭合,机械臂抬升 10 cm,搬运并释放

每个轨迹均从 HOME 位置开始,因此完整运动范围均包含在数据中,而非仅包含抓取部分。

关键注意事项

数据集在抓取环节使用 MuJoCo 焊点约束(weld):SO-101 夹爪呈浅 V 形,接触面上最佳对向法向点积仅为 −0.49,无法通过刚性接触牢固抓住球形物体。因此,当两个手指均接触球体时启用焊点约束,当夹爪收到打开指令时释放该约束。这意味着:

  • 机械臂动力学、接触、球体在抓取前后的运动均为真实物理模拟
  • 但基于此数据训练的策略学习的是何时闭合夹爪,而非维持真实摩擦力抓取的能力
  • 迁移到真实硬件时需考虑该差距

相机配置

相机键 视角 分辨率 帧率
observation.images.external 固定视角,面向工作区 480×640 30 fps
observation.images.wrist 腕部,位于夹爪后方 480×640 30 fps

observation.stateaction 均为 6 个值,单位为度:5 个机械臂关节加 1 个夹爪。

域随机化

每个轨迹独立应用随机化,避免策略记忆单一场景,包括:

  • 球体在桌面上的位置、球体半径 ±2%
  • 各关节起始位姿 ±6°
  • 灯光位置与方向、头灯亮度 0.70–1.25×
  • 桌面颜色每通道 ±0.12
  • 外部相机位置 ±3 cm、视场角 ±3°
  • 腕部相机位置 ±4 mm、视场角 ±3°
  • 接近角度、侧倾角、悬停距离、闭合角度逐轨迹抖动

球体颜色刻意保持基本固定(亮度 0.90–1.10× 加少量通道噪声):橙色是策略应关注的关键特征,随机化色相会导致策略忽视该重要特征。

基线性能

使用 ACT(Acting Causal Transformer)模型(5200 万参数,10 万步训练,批大小 8)在该数据上训练,对训练中未见的球体位置达到 17/20 次成功拾取

数据规模与结构

  • 总轨迹数:82
  • 总帧数:23,698
  • 总任务数:1
  • 分割train(0:82),无独立验证/测试集
  • 数据文件大小:约 100 MB(Parquet 格式)
  • 视频文件大小:约 200 MB(MP4 格式,AV1 编码)
  • 帧率:30 fps

特征规格(meta/info.json)

特征键 数据类型 形状 说明
observation.state float32 [6] 肩部旋转、肩部升降、肘部弯曲、腕部弯曲、腕部旋转、夹爪
action float32 [6] observation.state(6维,单位:度)
observation.images.external video 480×640×3 外部固定相机,AV1 编码,30 fps
observation.images.wrist video 480×640×3 腕部相机,AV1 编码,30 fps
timestamp float32 [1] 时间戳
frame_index int64 [1] 帧索引
episode_index int64 [1] 轨迹索引
index int64 [1] 全局索引
task_index int64 [1] 任务索引

数据路径格式:data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet;视频路径格式:videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

版本

当前版本为 v1(脚本化 MuJoCo 数据)。后续版本可能完全替换轨迹,可通过指定 revision="v1" 加载特定版本,例如:

python from lerobot.datasets.lerobot_dataset import LeRobotDataset ds = LeRobotDataset("amiryanj/so101-sim-pick", revision="v1")

引用信息

BibTeX 引用信息暂未提供([More Information Needed])。

二维码
社区交流群
二维码
科研交流群
商业服务