遇见数据集

chesster_v1

收藏
Hugging Face2026-09-30 更新2026-10-01 收录
官方服务:

资源简介:

本数据集是一个机器人操控数据集,基于 LeRobot 框架创建,采用 Apache-2.0 许可证。数据集包含完整的机器人执行操控任务时采集的序列数据,适用于行为克隆、模仿学习、机器人控制策略训练等任务。数据结构定义在 meta/info.json 中,主要特征包括:动作(action)为6维浮点数数组,对应机器人肩部、肘部、腕部及夹爪的位置控制指令;观测状态(observation.state)为6维浮点数数组,表示机器人关节状态;图像观测(observation.images.front 和 observation.images.hand)为两个视角的 RGB 视频数据,分辨率分别为 480x640 和 360x640,编码为 mp4 视频文件;时间戳(timestamp)为 float32 类型;帧索引(frame_index)、情节索引(episode_index)、样本索引(index)、任务索引(task_index)均为整数类型。数据集以 chunk 形式存储,数据文件为 Parquet 格式,视频文件为 MP4 格式。总数据文件约占 100MB,视频文件约占 200MB,帧率为 30fps。机器人类型为 so_follower。

This dataset is a robot manipulation dataset created based on the LeRobot framework, under the Apache-2.0 license. It contains sequential data collected from robot execution of manipulation tasks, suitable for behavior cloning, imitation learning, robot control policy training, etc. The data structure is defined in meta/info.json, with main features including: action (6-dimensional float array corresponding to position control commands for robot shoulder, elbow, wrist, and gripper); observation.state (6-dimensional float array representing robot joint states, with naming consistent with actions); observation.images.front and observation.images.hand (two-view RGB video data, resolution 480x640 and 360x640 respectively, encoded as mp4 files); timestamp (float32); frame_index, episode_index, index, and task_index (all integers). The dataset is stored in chunks, with data files in Parquet format and video files in MP4 format. Total data files approximately 100MB, video files approximately 200MB, frame rate 30fps. Robot type is so_follower.

创建时间:
2026-09-24
原始信息汇总

数据集概述

基本信息

  • 数据集名称:chesster_v1
  • 数据集地址:https://huggingface.co/datasets/OlenaG/chesster_v1
  • 许可证:apache-2.0
  • 任务类别:robotics(机器人)
  • 标签:LeRobot
  • 创建工具:该数据集使用 LeRobot 创建(https://github.com/huggingface/lerobot)
  • 可视化链接:https://huggingface.co/spaces/lerobot/visualize_dataset?path=OlenaG/chesster_v1

数据集描述

  • 主页:[需要更多信息]
  • 论文:[需要更多信息]
  • 许可证:apache-2.0

数据集结构

配置信息

  • 配置名称:default
  • 数据文件:data//.parquet

元数据信息(meta/info.json)

基础参数

  • 代码库版本:v3.0
  • 机器人类型:so_follower
  • 总回合数:0
  • 总帧数:0
  • 总任务数:0
  • 分块大小:1000
  • 数据文件大小:100 MB
  • 视频文件大小:200 MB
  • 帧率:30 fps
  • 数据划分:无(splits 为空)

路径格式

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

特征字段

action(动作)

  • 数据类型:float32
  • 形状:[6]
  • 名称:
    • shoulder_pan.pos
    • shoulder_lift.pos
    • elbow_flex.pos
    • wrist_flex.pos
    • wrist_roll.pos
    • gripper.pos

observation.state(观测状态)

  • 数据类型:float32
  • 形状:[6]
  • 名称:
    • shoulder_pan.pos
    • shoulder_lift.pos
    • elbow_flex.pos
    • wrist_flex.pos
    • wrist_roll.pos
    • gripper.pos

observation.images.front(前视图)

  • 数据类型:video
  • 形状:[480, 640, 3]
  • 名称:height, width, channels

observation.images.hand(手部视图)

  • 数据类型:video
  • 形状:[360, 640, 3]
  • 名称:height, width, channels

timestamp(时间戳)

  • 数据类型:float32
  • 形状:[1]
  • 名称:null

frame_index(帧索引)

  • 数据类型:int64
  • 形状:[1]
  • 名称:null

episode_index(回合索引)

  • 数据类型:int64
  • 形状:[1]
  • 名称:null

index(索引)

  • 数据类型:int64
  • 形状:[1]
  • 名称:null

task_index(任务索引)

  • 数据类型:int64
  • 形状:[1]
  • 名称:null

引用信息

  • BibTeX:[需要更多信息]
搜集汇总
数据集介绍
chesster_v1 数据集图片
构建方式
在机器人学习领域,高质量、结构化数据的构建是算法训练与验证的基石。该数据集依托LeRobot框架生成,采用分块存储策略,将每个数据文件的大小限制在100MB以内,视频文件限制在200MB以内,以优化加载效率。元信息配置文件详细定义了特征维度与文件路径模板,数据以Parquet格式存储,视频以MP4格式存储,帧率为30fps。数据集包含动作与观察状态两组六维浮点向量,分别对应肩部旋转、肩部升降、肘部弯曲、腕部弯曲、腕部旋转及夹爪位置,同时记录前视与手部视角的视频流,并辅以时间戳、帧索引、回合索引等辅助字段。
特点
该数据集聚焦于so_follower机器人平台,涵盖多模态感知与动作信息。其核心特点在于同步采集的视觉与本体感受数据:前视相机提供480×640分辨率的场景图像,手部相机提供360×640分辨率的局部操作视图,二者与六自由度关节位置及动作指令严格对齐。所有数据以回合(episode)为组织单元,尽管当前元信息显示总回合数、总帧数及总任务数均为零,但结构设计支持大规模扩展。数据集遵循Apache-2.0许可,适用于机器人模仿学习、视觉运动策略等研究场景。
使用方法
使用该数据集时,研究者可借助HuggingFace平台提供的可视化工具直接在线浏览数据样本,无需本地下载即可初步评估数据质量与任务相关性。本地使用时,可通过LeRobot库加载Parquet数据文件与对应视频,利用元信息中的路径模板按块索引与文件索引定位数据。由于特征字段已明确命名与维度,用户可直接提取动作、观察状态及图像序列用于训练模仿学习模型或进行状态估计。数据集的分块设计与标准化的目录结构便于分布式训练与流式读取,适合集成至现有机器人学习流水线中。
背景与挑战
背景概述
机器人学习领域长期依赖高质量、多样化的操作演示数据来训练模仿学习与强化学习策略,然而真实世界机器人数据采集成本高昂且标准化程度不足。chesster_v1数据集基于LeRobot框架构建,采用so_follower机械臂平台,以30Hz频率同步记录六自由度关节位置、夹爪状态及前视与手部双视角视频,旨在为机器人操作策略学习提供结构化的多模态时序数据。该数据集遵循Apache-2.0许可,其元信息配置遵循LeRobot v3.0规范,体现了社区对机器人数据格式标准化的努力,为后续数据共享与算法复现奠定了基础。
当前挑战
机器人操作数据集的构建面临多重挑战。在领域问题层面,如何让策略模型从有限演示中泛化至新物体、新场景与新任务,仍是模仿学习与具身智能的核心难题,而现有数据规模与任务多样性往往不足。在数据采集过程中,多传感器时间同步、关节状态与视觉帧的精确对齐、不同光照与背景条件下的视觉一致性,以及机械臂运动学标定误差的补偿,均对数据质量构成威胁。此外,数据集元信息中total_episodes与total_tasks等字段暂为空值,表明数据规模与任务标注尚待完善,这进一步限制了其在基准评测中的直接应用。
常用场景
经典使用场景
在机器人模仿学习与具身智能研究领域,基于视觉示教的操作策略习得始终是核心议题。chesster_v1数据集依托LeRobot框架构建,以so_follower机械臂为采集平台,同步记录六自由度关节位置与双视角视觉观测(前视与手部特写),形成30Hz帧率的动作-状态-影像三元组序列。其经典使用场景在于模仿学习算法的训练与评估,尤其适用于行为克隆、视觉运动策略学习及端到端操作技能获取等任务,研究者可借此探究高维视觉输入与低维动作空间之间的映射关系,进而推动机械臂在非结构化环境中的自主操作能力发展。
解决学术问题
该数据集直面的学术问题在于机器人操作策略泛化性与样本效率的固有矛盾。传统方法依赖大量人工示教或仿真迁移,而chesster_v1提供的真实世界多模态同步数据,为验证少样本模仿学习、跨视角表征对齐及动作序列建模等算法提供了标准化基准。通过统一的数据结构与元信息描述,研究者可在同一实验条件下比较不同策略学习范式的性能差异,消解了因数据格式异构导致的复现困难。其意义在于促进了机器人学习社区的数据共享规范,为构建可复现、可扩展的操作技能学习研究生态奠定了基础。
衍生相关工作
围绕chesster_v1,研究者已衍生出若干经典工作方向。其一为基于扩散策略与动作分块 Transformer 的模仿学习改进,利用该数据集验证长时序操作任务中的动作序列生成质量;其二为多视角视觉编码器的对比预训练研究,探索前视与手部视角的互补表征对策略鲁棒性的增益;其三为数据增强与仿真到现实迁移方法的评估,借助该数据集的真实采集特性检验域随机化策略的有效性。这些工作共同拓展了LeRobot生态下的操作技能学习范式,并为后续大规模机器人数据集的构建提供了方法借鉴。
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