yam_bimanual_tomato

YAM双臂机器人——番茄放置数据集。包含20个双臂机器人遥操作演示，机器人将红番茄拿起并放入盒子中。在真实硬件上以40Hz频率录制，使用三个RGB摄像头（480x640），转换为LeRobot v3.0格式。总计20个片段，27,464帧，时长约11.4分钟（每个片段24.5-45.3秒，平均34.3秒）。机器人：YAM双臂——2个6自由度臂+每个1自由度夹爪（共14自由度）。摄像头：3个480x640 RGB，AV1/yuv420p编码，40fps。磁盘大小约300MB。任务指令：拿起红番茄并放入盒子。数据集结构包含：observation.state（14维关节位置，float32）、action（14维关节命令，float32）、observation.images.egocentric（3x480x640，float32）、observation.images.wrist_left（左腕相机）、observation.images.wrist_right（右腕相机），以及LeRobot标准字段（timestamp等）。用于模仿学习、行为克隆和视觉语言动作模型后训练。创建方式：双边遥操作，操作员移动领导臂，跟随臂跟踪，记录并重采样至40Hz，视频编码为AV1/yuv420p。所有演示由同一人类操作员完成，不包含个人数据。YAM bimanual robot - tomato placing dataset. Contains 20 bimanual teleoperation demonstrations where the robot picks up a red tomato and places it in a box. Recorded at 40Hz on real hardware using three RGB cameras (480x640), converted to LeRobot v3.0 format. Total 20 episodes, 27,464 frames, about 11.4 minutes (24.5-45.3 seconds per episode, average 34.3 seconds). Robot: YAM bimanual - 2 6-DoF arms + 1 DoF gripper each (total 14 DoF). Cameras: 3 480x640 RGB, AV1/yuv420p encoding, 40fps. Disk size ~300MB. Task instruction: Pick up the red tomato and put it in the box. Dataset structure includes: observation.state (14-D joint positions, float32), action (14-D joint commands, float32), observation.images.egocentric (3x480x640, float32), observation.images.wrist_left, observation.images.wrist_right, and LeRobot standard fields (timestamp, etc.). For imitation learning, behavior cloning, and vision-language-action model post-training. Creation: bilateral teleoperation, operator moves leader arm, follower tracks, recorded and resampled to 40Hz, video encoded as AV1/yuv420p. All demonstrations by same human operator, no personal data.

原始信息汇总

数据集概述：YAM 双臂番茄放置任务

基本信息

• 数据集名称：YAM bimanual — tomato placement
• 许可证：MIT
• 语言：英语
• 任务类别：机器人学（Robotics）
• 标签：LeRobot、模仿学习、双臂操作、遥操作、YAM
• 规模：10K–100K 帧

内容描述

该数据集包含 20 段遥操作演示，展示双臂机器人抓取红色番茄并放入盒子的任务。数据在真实硬件上以 40 Hz 频率记录，配备三个 RGB 摄像头，并已转换为 LeRobot v3.0 格式。

关键规格

项目	详情
格式	LeRobot v3.0
片段数	20
总帧数	27,464
总时长	11.4 分钟（单段 24.5–45.3 秒，平均 34.3 秒）
控制频率	40 Hz
机器人	YAM 双臂 — 2 × 6 自由度臂 + 各 1 自由度夹爪（共 14 自由度）
摄像头	3 × 480×640 RGB，AV1 / yuv420p 编码，40 fps
磁盘占用	约 300 MB
任务指令	“pick up the red tomato and place it in the box”（拿起红色番茄并放入盒子中）

数据结构

键名	形状	数据类型	说明
observation.state	(14,)	float32	测量到的关节位置
action	(14,)	float32	遥操作主臂的关节位置指令
observation.images.egocentric	(3, 480, 640)	float32	整个工作单元视角
observation.images.wrist_left	(3, 480, 640)	float32	左腕相机
observation.images.wrist_right	(3, 480, 640)	float32	右腕相机
timestamp, frame_index, episode_index, index, task_index	标量		LeRobot 标准字段

状态与动作的关节顺序（14 维）：

left_yam_joint1 … left_yam_joint6, left_yam_gripper, right_yam_joint1 … right_yam_joint6, right_yam_gripper

• 臂关节单位为弧度，夹爪归一化至 [0, 1]。

数据用途

• 双臂操作的模仿学习 / 行为克隆。
• 视觉-语言-动作（VLA）模型的后训练。

数据采集方式

采用双边遥操作：操作员移动主臂，从臂跟随运动，同时记录两条数据流，并在转换时重采样至统一的 40 Hz 行频率。视频采用 AV1 / yuv420p 编码。全部片段由一名人类遥操作员完成，数据中不包含任何个人隐私信息。

引用格式

bibtex @misc{patel2026yambimanualtomato, author = {Patel, Kevin}, title = {YAM bimanual --- tomato placement}, year = {2026}, note = {Teleoperated demonstrations, LeRobot v3.0 format} }