遇见数据集

salmonHan/record-test_20260528_012201

收藏
Hugging Face2026-05-27 更新2026-05-31 收录
官方服务:

资源简介:

该数据集是使用LeRobot创建的机器人任务数据集,专门针对so_follower机器人类型。它包含1个总集数、1797个总帧数和1个总任务,数据以parquet格式存储,总大小为100MB,视频文件大小为200MB,帧率为30FPS。数据集结构包括训练分割(0:1),并定义了数据文件和视频文件的路径。特征包括动作(6个浮点型关节位置:肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕滚动、夹持器位置)、观察状态(与动作相同的6个关节位置)、前摄像头图像观察(视频格式,分辨率720x1280,3通道,30FPS,无音频),以及时间戳、帧索引、集索引、索引和任务索引等元数据。该数据集适用于机器人学习和控制任务,提供了机器人跟随任务的演示数据。

许可证: Apache-2.0 任务类别: - 机器人学(robotics) 标签: - LeRobot(LeRobot) 配置项: - 配置名称: 默认 数据文件: data/*/*.parquet 本数据集基于[LeRobot(LeRobot)](https://github.com/huggingface/lerobot)构建。 <a class="flex" href="https://huggingface.co/spaces/lerobot/visualize_dataset?path=salmonHan/record-test_20260528_012201"><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> ## 数据集说明 - **主页:** [暂无更多信息] - **论文:** [暂无更多信息] - **许可证:** Apache-2.0 ## 数据集结构 [meta/info.json](meta/info.json): json { "代码库版本": "v3.0", "机器人类型": "so_follower", "总回合数": 1, "总帧数": 1797, "总任务数": 1, "分块大小": 1000, "数据文件总大小(MB)": 100, "视频文件总大小(MB)": 200, "帧率(FPS)": 30, "数据集划分": { "训练集": "0:1" }, "数据文件路径格式": "data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet", "视频文件路径格式": "videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4", "数据特征": { "动作(action)": { "数据类型": "float32", "特征名称": [ "肩部偏航关节位姿", "肩部俯仰关节位姿", "肘部弯曲关节位姿", "腕部俯仰关节位姿", "腕部旋转关节位姿", "夹爪位姿" ], "形状": [ 6 ] }, "观测状态(observation.state)": { "数据类型": "float32", "特征名称": [ "肩部偏航关节位姿", "肩部俯仰关节位姿", "肘部弯曲关节位姿", "腕部俯仰关节位姿", "腕部旋转关节位姿", "夹爪位姿" ], "形状": [ 6 ] }, "前视摄像头图像(observation.images.front)": { "数据类型": "video", "形状": [ 720, 1280, 3 ], "维度名称": [ "高度", "宽度", "通道数" ], "详细信息": { "视频高度": 720, "视频宽度": 1280, "视频编码格式": "av1", "视频像素格式": "yuv420p", "是否为深度图": false, "视频帧率": 30, "视频通道数": 3, "是否包含音频": false } }, "时间戳(timestamp)": { "数据类型": "float32", "形状": [ 1 ], "特征名称": null }, "帧索引(frame_index)": { "数据类型": "int64", "形状": [ 1 ], "特征名称": null }, "回合索引(episode_index)": { "数据类型": "int64", "形状": [ 1 ], "特征名称": null }, "全局索引(index)": { "数据类型": "int64", "形状": [ 1 ], "特征名称": null }, "任务索引(task_index)": { "数据类型": "int64", "形状": [ 1 ], "特征名称": null } } } ## 引用 **BibTeX格式:** bibtex [暂无更多信息]

提供机构:
salmonHan
搜集汇总
数据集介绍
salmonHan/record-test_20260528_012201 数据集图片
构建方式
该数据集依托于LeRobot框架构建,专为机器人模仿学习与遥操作任务而设计。数据集包含单条演示轨迹,共计1797帧数据,以30帧每秒的采样率记录。数据存储采用分块机制,原始数据以Parquet格式存放于`data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet`路径下,而视觉观测视频则压缩为AV1编码的MP4文件,存储于`videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4`。整个数据集规模约为300 MB,其中视频文件占据主要空间。所有数据均遵循Apache-2.0开源许可协议,便于研究社区自由访问与使用。
特点
该数据集最显著的特点在于其结构化且多维度的观测信息。其包含六维关节空间的动作指令与状态观测,具体覆盖肩关节、肘关节、腕关节及夹爪的位置数据。视觉模态方面,提供分辨率为1280×720的正面摄像头视频流,支持RGB三通道图像记录。数据的时间属性通过浮点型时间戳与帧序号精确标记,同时每个样本均关联了唯一的轨迹索引与任务索引,便于进行序列化分析与多任务扩展。此外,数据集的训练集划分明确,所有1条轨迹全部用于训练,为端到端的行为克隆算法提供了完整的单任务演示素材。
使用方法
用户可通过Hugging Face平台直接调用LeRobot库加载该数据集。推荐使用`lerobot`的`load_dataset`函数指定数据集名称`salmonHan/record-test_20260528_012201`,即可自动拉取数据并解析为标准的`LeRobotDataset`对象。加载后的数据集提供统一的迭代接口,可依次返回包含动作、状态、图像帧等关键字段的字典样本。针对模型训练,用户可将动作向量作为监督信号,结合前视图像与关节状态作为输入,构建模仿学习网络。数据集的视频存储采用分块索引,支持高效的随机访问与流式处理,便于在深度学习框架中进行大规模批量训练。
背景与挑战
背景概述
record-test_20260528_012201数据集由Hugging Face社区基于LeRobot框架创建,旨在为机器人操作学习提供标准化的数据样本。该数据集聚焦于单任务、单轮次的机器人操控行为,记录了so_follower型机械臂的1797帧动作序列,涵盖6自由度关节位置控制与夹爪状态。数据集包含200MB视频与100MB结构化的状态-动作对,采用Apache-2.0许可证公开。作为LeRobot生态的示例性资源,该数据集推动了模仿学习与行为克隆领域的数据驱动研究,为机器人从人类演示中习得精细操控技能提供了基础性素材。
当前挑战
该数据集所解决的领域问题聚焦于机器人精细操控技能学习中训练数据匮乏的困境,尤其是从单一演示中泛化多情景能力的挑战。构建过程中,数据采集面临异构传感器(高清摄像头、关节编码器)的时间同步难题,以及30FPS高采样率下机械臂末端夹持器微小位移的精确捕捉。此外,仅包含1个Episode的有限样本量,对模型避免过拟合、学习稳健策略构成显著约束,同时视频压缩采用AV1编码虽降低存储却可能引入解码时延与保真度权衡,影响后续策略学习的精度。
常用场景
经典使用场景
在机器人学与模仿学习领域,record-test_20260528_012201数据集作为LeRobot框架下的典型遥操作演示数据集,常用于训练机器人从人类示教中习得复杂操作技能。该数据集包含单条完整轨迹,以30帧每秒的高频采样记录了so_follower型号机械臂在6维关节空间中的连续运动状态与动作指令,并结合前视高清摄像头(1280×720分辨率)捕捉的视觉观测信息。研究者通常利用此类数据构建行为克隆或逆强化学习模型,使机器人能够复现特定任务的动作序列,是验证端到端模仿学习算法的理想基准。
衍生相关工作
基于该数据集的结构特性,已衍生出一系列关于LeRobot框架的改进工作,包括多视角视频融合策略研究以及动作数据增强方法的验证。此外,由于dataset明确区分了action与observation.state两个6维空间,它为对比学习中的状态-动作对齐研究提供了天然锚点,催生了诸如基于残差连接的行为克隆模块与自适应时序注意力机制等工作。这些衍生研究共同拓宽了遥操作数据在迁移学习与多任务策略泛化中的理论边界。
数据集最近研究
最新研究方向
该数据集聚焦于机器人模仿学习领域的前沿研究,尤其在双臂协作与灵巧操作方向具有典型意义。其来源于LeRobot框架,采用SO-Follower构型机器人采集,提供了包含6维关节动作与高清视觉观测的多模态数据,共1个演示片段、1797帧时间序列。当前研究热点关注从少量专家演示中泛化出鲁棒的操作策略,该数据集契合了利用标准化格式(如Parquet+AV1视频压缩)推动数据高效复用的趋势。通过与HuggingFace生态深度集成,其可视化与快速加载能力为端到端策略学习、数据增强策略探索以及跨机器人迁移研究提供了便利。这一工作呼应了机器人领域通过开放数据集降低复现门槛、加速从仿真到真实世界技能习得的积极动向。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务