LEGO-ECA dataset

该数据集基于Synthetic LEGO Dataset，包含1,429个LEGO组装手册，每个手册包含每个组装步骤的2D插图以及各种可能的组装失败场景。数据集通过向MEPNet输入每个步骤并添加随机高斯噪声来模拟错误的组装样本，最终构建了一个包含约120,000个错误组装实例的数据集。This dataset is based on the Synthetic LEGO Dataset and includes 1,429 LEGO assembly manuals. Each manual contains 2D illustrations for every assembly step, alongside a variety of potential assembly failure scenarios. The dataset is constructed by feeding each assembly step into MEPNet and adding random Gaussian noise to simulate erroneous assembly samples, ultimately yielding a dataset with approximately 120,000 erroneous assembly instances.

原始信息汇总

SCANet

LEGO-ECA 数据集

• 数据来源: 基于Synthetic LEGO Dataset。
• 数据量: 包含1,429个LEGO装配手册。
• 内容: 每个装配手册包含每个装配步骤的2D插图以及各种可能的装配失败场景。
• 构建过程:
  • 从Synthetic LEGO Dataset的训练集中随机选择1,429个装配手册。
  • 将每个步骤输入MEPNet进行组件装配。
  • 通过添加随机高斯噪声预处理图像，以模拟不正确的装配样本。
  • 每个装配步骤应用3到5次随机高斯噪声注入。
  • 最终构建的数据集包含约120,000个不正确装配的实例。
• 统计分析:
  • 单步装配中，位置错误最为普遍，旋转错误常伴随位置偏移发生。
  • 在整个数据集中，位置错误占主导，旋转错误最少。
  • 大多数手册的步骤数在15到40之间。

引用

@article{wan2024SCANet author = {Yuxuan Wan, Kaichen Zhou, Jinhong Chen ,Hao Dong}, title = {SCANet: Correcting LEGO Assembly Errors with Self-Correct Assembly Network}, journal = {IROS}, year = {2024}, }

搜集汇总

数据集介绍

构建方式

LEGO-ECA数据集的构建基于[Synthetic LEGO Dataset](https://arxiv.org/abs/2207.12572)，从中随机选取了1,429份装配手册。每份手册包含每个装配步骤的2D插图及多种可能的装配失败场景。为模拟错误的装配样本，我们对每一步骤的图像进行了预处理，添加随机高斯噪声以干扰装配过程，从而诱导MEPNet输出错误装配的示例。每一步骤应用了3至5次随机高斯噪声注入，最终构建了约120,000个错误装配示例的数据集。

特点

LEGO-ECA数据集的特点在于其丰富的错误装配场景和详细的统计分析。数据集涵盖了单步装配中2至5个组件的多种错误类型，其中位置错误最为常见，旋转错误则常伴随位置错误出现。整个数据集中，位置错误占主导地位，而旋转错误最少。此外，大多数手册的步骤数在15至40之间，提供了多样化的装配复杂度。

使用方法

LEGO-ECA数据集适用于开发和测试自动纠正LEGO装配错误的算法，如SCANet。用户可以通过提供的Google Drive或百度网盘链接下载数据集，并参考相关论文和代码进行实验。数据集的详细统计信息和错误类型分布图可帮助研究人员设计更有效的错误检测和纠正模型。此外，数据集的许可证为Creative Commons Attribution-ShareAlike 4.0 International，允许用户自由使用和分享。

背景与挑战

背景概述

LEGO-ECA数据集是基于Synthetic LEGO Dataset构建的，旨在支持SCANet模型在LEGO组装错误校正领域的研究。该数据集由1,429个LEGO组装手册组成，每个手册包含2D插图和多种可能的组装失败场景。数据集的构建始于从Synthetic LEGO Dataset的训练集中随机选择1,429个组装手册，并通过MEPNet进行组件组装。为了更有效地模拟错误的组装样本，研究人员对手册图像进行了预处理，添加了随机高斯噪声以干扰组装过程，从而生成约120,000个错误组装实例。该数据集的统计分析显示，位置错误是最常见的错误类型，而旋转错误则较少见。LEGO-ECA数据集的创建为机器人和计算机视觉领域提供了宝贵的资源，特别是在自动校正LEGO组装错误方面。

当前挑战

LEGO-ECA数据集在构建过程中面临多项挑战。首先，模拟错误组装样本的生成需要精确的图像预处理技术，以确保高斯噪声的添加既能有效干扰组装过程，又不至于使图像无法识别。其次，数据集的多样性和代表性是一个关键问题，确保涵盖各种类型的组装错误和不同复杂度的组装手册。此外，数据集的规模和质量需要通过严格的统计分析来验证，以确保其在实际应用中的有效性。最后，数据集的公开和使用需要遵循严格的版权和许可协议，以保护原始数据集的知识产权。这些挑战共同构成了LEGO-ECA数据集在实际应用中的主要障碍。

常用场景

经典使用场景

在机器人与自动化领域，LEGO-ECA数据集被广泛用于训练和验证自校正装配网络（SCANet），以识别和纠正乐高积木装配过程中的错误。该数据集通过模拟装配步骤中的各种错误场景，如位置误差和旋转误差，为研究者提供了一个丰富的实验平台。通过分析这些错误数据，SCANet能够学习并预测装配过程中可能出现的错误，从而实现自动化的错误检测与纠正。

解决学术问题

LEGO-ECA数据集解决了机器人装配过程中错误检测与纠正的关键学术问题。传统的装配任务依赖于精确的指令和操作，而现实中的误差往往不可避免。该数据集通过提供大量模拟的错误装配实例，帮助研究者开发和优化自校正算法，显著提升了机器人装配的准确性和鲁棒性。这不仅推动了机器人技术的发展，也为自动化装配领域的研究提供了宝贵的数据支持。

衍生相关工作

LEGO-ECA数据集的发布激发了众多相关研究工作。例如，基于该数据集的SCANet模型不仅在IROS 2024上获得了最佳应用论文奖，还启发了后续研究者开发更复杂的自校正算法。此外，该数据集还被用于验证其他类型的装配错误检测模型，如基于深度学习的错误分类器和实时错误纠正系统。这些衍生工作进一步扩展了LEGO-ECA数据集的应用范围，推动了机器人装配技术的创新与发展。