jinkami07/so101_pick_blue_tape_ep02

---
license: apache-2.0
task_categories:
- robotics
tags:
- LeRobot
configs:
- config_name: default
data_files: data/*/*.parquet
---

This dataset was created using [LeRobot](https://github.com/huggingface/lerobot).

<a class="flex" href="https://huggingface.co/spaces/lerobot/visualize_dataset?path=jinkami07/so101_pick_blue_tape_ep02">
<img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface/badges/resolve/main/visualize-this-dataset-xl.svg"/>
<img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface/badges/resolve/main/visualize-this-dataset-xl-dark.svg"/>
</a>

## Dataset Description

- **Homepage:** [More Information Needed]
- **Paper:** [More Information Needed]
- **License:** apache-2.0

## Dataset Structure

[meta/info.json](meta/info.json):
```json
{
"codebase_version": "v3.0",
"robot_type": "so_follower",
"total_episodes": 1,
"total_frames": 300,
"total_tasks": 1,
"chunks_size": 1000,
"data_files_size_in_mb": 100,
"video_files_size_in_mb": 200,
"fps": 30,
"splits": {
"train": "0:1"
},
"data_path": "data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet",
"video_path": "videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4",
"features": {
"action": {
"dtype": "float32",
"names": [
"shoulder_pan.pos",
"shoulder_lift.pos",
"elbow_flex.pos",
"wrist_flex.pos",
"wrist_roll.pos",
"gripper.pos"
],
"shape": [
6
]
},
"observation.state": {
"dtype": "float32",
"names": [
"shoulder_pan.pos",
"shoulder_lift.pos",
"elbow_flex.pos",
"wrist_flex.pos",
"wrist_roll.pos",
"gripper.pos"
],
"shape": [
6
]
},
"observation.images.wrist": {
"dtype": "video",
"shape": [
480,
640,
3
],
"names": [
"height",
"width",
"channels"
],
"info": {
"video.height": 480,
"video.width": 640,
"video.codec": "av1",
"video.pix_fmt": "yuv420p",
"video.is_depth_map": false,
"video.fps": 30,
"video.channels": 3,
"has_audio": false
}
},
"timestamp": {
"dtype": "float32",
"shape": [
1
],
"names": null
},
"frame_index": {
"dtype": "int64",
"shape": [
1
],
"names": null
},
"episode_index": {
"dtype": "int64",
"shape": [
1
],
"names": null
},
"index": {
"dtype": "int64",
"shape": [
1
],
"names": null
},
"task_index": {
"dtype": "int64",
"shape": [
1
],
"names": null
}
}
}
```

## Citation

**BibTeX:**

```bibtex
[More Information Needed]
```

搜集汇总

数据集介绍

构建方式

在机器人操作任务的数据采集领域，该数据集依托LeRobot平台构建而成，专门记录了单次完整的拾取蓝色胶带任务执行过程。数据采集以30帧每秒的速率进行，涵盖了一个包含300帧的独立情节，通过SO Follower型机器人实现了对关节位置、夹爪状态及腕部摄像头视觉信息的同步捕获。原始数据经过结构化处理，以Parquet格式分块存储，确保了高效的数据访问与处理能力。

特点

该数据集在机器人模仿学习领域展现出鲜明的多模态特性，不仅提供了六维关节空间的动作指令与状态反馈，还整合了高分辨率的腕部视觉观测序列。其数据结构设计精良，每个数据点均包含精确的时间戳与索引信息，便于进行时序分析与任务对齐。数据集规模适中，兼具视频与结构化数据，为研究端到端策略学习提供了丰富的感知-动作对应关系。

使用方法

研究人员可利用该数据集进行机器人技能学习的算法开发与验证，尤其适用于行为克隆、逆强化学习等模仿学习范式的训练。通过加载Parquet格式的数据文件，可以便捷地提取关节动作、机器人状态及同步的图像帧序列。数据集已预划分为训练集，支持直接用于模型训练，其多模态特性允许研究者探索视觉感知与运动控制之间的联合表征学习。

背景与挑战

背景概述

在机器人学习领域，模仿学习与强化学习的发展亟需高质量、结构化的真实世界交互数据集作为支撑。so101_pick_blue_tape_ep02数据集应运而生，它由LeRobot项目团队创建，旨在为机器人操作任务提供详细的示范数据。该数据集聚焦于具体的拾取任务，记录了机械臂在拾取蓝色胶带过程中的完整状态序列，包括关节位置、视觉观察及时间戳等多模态信息。其构建依托于开源机器人框架LeRobot，体现了社区驱动的研究范式，为机器人策略学习与仿真验证提供了宝贵的实际交互轨迹，推动了数据驱动机器人技术的实用化进程。

当前挑战

该数据集致力于解决机器人操作中的模仿学习与策略泛化问题，其核心挑战在于如何从有限的示范中学习能够适应环境变化与物体位姿不确定性的鲁棒策略。具体而言，任务涉及对细小、柔性物体（如蓝色胶带）的精确抓取，这要求模型具备高精度的末端执行器控制与视觉-动作协调能力。在构建过程中，挑战主要来自数据采集的复杂性与一致性保障：需要在真实物理环境中同步记录多维度传感器数据（如关节状态与腕部相机图像），并确保动作轨迹的平滑性与任务完成的成功率，同时还需处理大规模视频数据的高效存储与检索，以支持后续的端到端学习流程。

常用场景

经典使用场景

在机器人学习领域，so101_pick_blue_tape_ep02数据集为模仿学习与强化学习算法提供了关键支持。该数据集记录了机械臂执行拾取蓝色胶带任务的完整轨迹，包含关节位置、视觉观测与时间戳等多模态数据。研究人员可基于此数据集训练端到端的控制策略，使机器人能够从视觉输入中推断动作序列，实现精准的物体抓取与操作。

衍生相关工作

围绕该数据集，已衍生出多项关于机器人技能迁移与多任务学习的研究工作。例如，基于LeRobot框架的扩展项目利用类似数据格式，开发了跨场景的抓取策略泛化模型。这些工作进一步整合了仿真与真实数据，推动了机器人学习范式的标准化，为开源机器人社区提供了可扩展的基准测试平台。

数据集最近研究

最新研究方向

在机器人操作学习领域，视觉与动作数据的融合已成为推动智能体自主执行精细任务的关键。so101_pick_blue_tape_ep02数据集以其包含的机械臂关节位置、腕部摄像头图像及时间序列信息，为模仿学习与强化学习算法提供了高质量的真实世界交互数据。当前研究热点聚焦于利用此类多模态数据集训练端到端策略模型，旨在提升机器人在非结构化环境中抓取与操作物体的泛化能力。随着开源机器人平台LeRobot的普及，该数据集促进了社区在具身智能方向的协作创新，为家庭服务与工业自动化场景中的适应性操作技术奠定了实证基础。