R1_Lite_open_and_close_curtains

该数据集基于LeRobot格式进行扩展，并与之完全兼容。数据集使用R1_Lite机器人，代码库版本为v2.1，末端执行器类型为双指抓取器。数据集包括98个总剧集，226694个总帧，1个总任务和294个总视频。它涵盖了家庭场景类型，并包括抓取、拾取和放置等原子动作。数据集还提供了丰富的注释，包括子任务分割、场景描述、末端执行器方向、速度、加速度、抓取器模式和活动状态等。数据集遵循LeRobot格式，包含视频、状态数据、动作数据和元数据。数据集已组织成训练集和测试集，并提供了详细的文件组织和特征模式信息。该数据集是根据Apache-2.0许可证发布的，并提供了引用信息。

原始信息汇总

R1_Lite_open_and_close_curtains 数据集概述

基本信息

• 数据集名称: R1_Lite_open_and_close_curtains
• 许可证: Apache-2.0
• 支持语言: 英语、中文
• 任务类别: 机器人技术
• 标签: RoboCOIN, LeRobot
• 数据范围: 100K-1M

技术规格

• 机器人类型: R1_Lite
• 代码库版本: v2.1
• 末端执行器类型: 两指夹爪
• 场景类型: 家庭环境
• 原子动作: 抓取、拾取、放置

数据集统计

指标	数值
总情节数	98
总帧数	226,694
总任务数	1
总视频数	294
总分块数	1
分块大小	1000
帧率	30 FPS
数据集大小	8.5GB

任务描述

主要任务

打开和关闭两侧的内外窗帘

子任务

包含13个不同的子任务：

1. 异常状态
2. 关闭两侧内窗帘
3. 用左夹爪关闭左侧内窗帘
4. 用双夹爪关闭两侧外窗帘
5. 关闭两侧外窗帘
6. 用右夹爪关闭右侧内窗帘
7. 结束状态
8. 空状态
9. 拉开两侧内窗帘
10. 用左夹爪拉开左侧内窗帘
11. 用右夹爪拉开右侧内窗帘
12. 用双夹爪拉开两侧外窗帘
13. 拉开两侧外窗帘

数据特征

视觉观测

• 3个摄像头视角:
  • 高位RGB摄像头
  • 左手腕RGB摄像头
  • 右手腕RGB摄像头
• 分辨率: 720×1280×3
• 编码格式: AV1
• 帧率: 30 FPS

状态与动作

• 观测状态: 14维浮点数组（关节角度和夹爪状态）
• 动作: 14维浮点数组（关节控制和夹爪控制）

运动特征

• 末端执行器仿真位姿（状态和动作）
• 末端执行器方向（状态和动作）
• 末端执行器速度（状态和动作）
• 末端执行器加速度（状态和动作）

夹爪特征

• 夹爪开合尺度（状态和动作）
• 夹爪模式（状态和动作）
• 夹爪活动状态

数据标注

子任务标注

• 细粒度子任务分割和标注

场景标注

• 语义场景分类和描述

末端执行器标注

• 运动方向分类
• 速度大小分类
• 加速度大小分类

夹爪标注

• 开/关状态标注
• 活动状态分类（活跃/非活跃）

数据组织

文件结构

• 数据文件: Parquet格式，按分块组织
• 视频文件: MP4格式，按摄像头视角组织
• 元数据: JSON格式，包含数据集信息

数据分割

• 训练集: 情节0-97

作者信息

• 贡献者: RoboCOIN团队
• 主页: https://flagopen.github.io/RoboCOIN/
• 论文: https://arxiv.org/abs/2511.17441
• 代码库: https://github.com/FlagOpen/RoboCOIN
• 问题反馈: https://github.com/FlagOpen/RoboCOIN/issues

兼容性

• 基于LeRobot格式扩展
• 完全兼容LeRobot框架

引用信息

如需在研究中引用此数据集，请使用提供的BibTeX条目。

搜集汇总

数据集介绍

构建方式

在机器人操作数据集构建领域，R1_Lite_open_and_close_curtains数据集采用基于LeRobot框架的扩展格式进行系统化构建。该数据集通过R1_Lite双指夹爪机器人在家庭场景中执行窗帘开合任务，采集了98个完整操作片段，涵盖226694帧视觉数据。数据以分块形式组织，每个数据块包含1000个片段，采用Parquet格式存储多模态信息，包括三路高清摄像头视频流、机器人关节状态与动作指令，并辅以精细的时序标注和任务分割标签。

使用方法

在机器人学习应用场景中，该数据集可通过LeRobot标准接口直接加载使用。研究者可按照预设的数据路径模式访问分块存储的Parquet文件，其中训练集涵盖0至97号操作片段。数据集支持端到端的模仿学习与强化学习任务，用户可同时调用视觉观测、状态向量与动作序列进行模型训练。通过解析时间戳与帧索引信息，能够重构完整的操作轨迹，而丰富的标注体系则为分层策略学习与动作语义理解提供了结构化支撑。

背景与挑战

背景概述

在机器人操作研究领域，家庭环境下的精细任务执行一直是重要研究方向。R1_Lite_open_and_close_curtains数据集由RoboCOIN团队于2025年11月发布，专注于双手机器人窗帘开合操作的技能学习。该数据集基于LeRobot框架构建，包含98个完整操作序列、22.7万帧多视角视频数据，通过13种精细子任务分解，为机器人双臂协调操作研究提供了标准化基准。其创新性体现在对家居场景中柔性物体操作的系统性数据采集，推动了机器人从单一动作到复杂任务链的学习范式转变。

当前挑战

该数据集致力于解决家庭服务机器人对柔性物体精细操作的共性难题，具体体现在窗帘材质形变预测、双臂运动轨迹避碰规划等核心挑战。在构建过程中面临多模态数据同步采集的技术瓶颈，需协调三路高清视频流与14维关节状态数据的时序对齐。同时，柔性物体状态标注存在主观性差异，要求设计精确的夹爪开合尺度量化标准。数据规模方面，8.5GB的异构数据对存储架构和读取效率提出了优化需求，而真实家居场景的照明变化更增加了视觉感知模块的泛化难度。

常用场景

经典使用场景

在家庭服务机器人研究领域，R1_Lite_open_and_close_curtains数据集为双指抓取器操作提供了标准化测试平台。该数据集聚焦窗帘开合这一典型家居任务，通过98个完整操作序列和22万余帧多视角视觉数据，系统记录了双机械臂协同作业的完整流程。其丰富的动作标注体系涵盖了抓取、拾取、放置等基础操作单元，为研究复杂环境下的双臂协调控制策略提供了理想的数据支撑。

解决学术问题

该数据集有效解决了机器人操作学习中的若干关键问题。通过精细标注的末端执行器运动轨迹与抓取器状态数据，为模仿学习与强化学习算法提供了高质量的监督信号。其多模态数据融合特性助力解决了动态场景下的状态估计难题，而分层任务标注体系则为复杂动作的分解与组合研究奠定了基础。这些特性显著推动了机器人操作策略的泛化能力与鲁棒性研究。

实际应用

在智能家居系统开发中，该数据集支撑的算法模型可直接应用于自动化窗帘控制系统。通过模拟真实家庭环境的操作场景，训练得到的控制策略能够适应不同材质、重量的窗帘物件。其双机械臂协同操作范式还可延伸至其他家居服务场景，如物品整理、环境布置等，为构建具备精细操作能力的家庭服务机器人提供了关键技术验证平台。

数据集最近研究

最新研究方向

在家庭服务机器人领域，R1_Lite_open_and_close_curtains数据集正推动双手机器人操作的前沿探索。该数据集聚焦窗帘开合的精细任务，通过多视角视觉观测和丰富的运动标注，为模仿学习与强化学习算法提供了高质量训练基础。当前研究热点集中于双端执行器的协同控制策略，利用数据集中的6D位姿、速度分类和抓取器状态信息，开发能够适应家庭环境动态变化的鲁棒性模型。随着RoboCOIN项目与LeRobot框架的深度整合，该数据集正成为推动具身智能在真实场景中落地应用的关键资源，其开源特性加速了社区在双手机器人操作泛化能力方面的突破性进展。