task10_move_to_beaker_shelf

该数据集是使用LeRobot框架创建的机器人操控数据集，任务为将烧杯移动到架子上（task10_move_to_beaker_shelf）。数据集包含107个演示片段，共39758帧，由mobileai机器人采集。数据特征包括16维的关节动作和状态（左右各6个关节位置、左右carriage位置、线速度和角速度），以及三个摄像头的高清视频流（cam_high、cam_left_wrist、cam_right_wrist），分辨率为480×640像素，帧率30fps，编码为AV1。此外还包含时间戳、帧索引、片段索引、任务索引等元数据。数据集适用于机器人模仿学习、行为克隆等任务，采用Apache-2.0许可证。

搜集汇总

数据集介绍

构建方式

该数据集依托LeRobot框架完成构建，面向移动操作机器人执行“将物体移至烧杯架”这一典型桌面操作任务。数据采集以mobileai_robot为平台，通过遥操作或预设策略驱动机械臂完成指定动作，同步记录多视角视觉观测与关节状态信息。全部107条轨迹以30帧每秒的频率采集，累计39758帧，经统一时间戳对齐后按Parquet格式分块存储，视频流则独立编码为AV1格式的MP4文件，形成结构化的多模态机器人学习数据集。

特点

数据集聚焦单一任务场景，涵盖左、右机械臂共十六维关节位置与速度动作空间，同时提供高位、左腕、右腕三路480×640分辨率的视频观测，构成丰富的视觉-动作对。其核心特点在于多视角同步感知与精细动作标注的紧密结合，107条轨迹覆盖了任务执行中的多样化状态分布，且帧率与机器人控制频率一致，便于时序建模。数据以Apache-2.0协议开放，适配模仿学习与视觉运动策略研究。

使用方法

使用者可借助LeRobot工具链加载数据集，通过解析meta/info.json获取数据路径、特征维度与分片规则，进而从data目录读取Parquet格式的状态与动作序列，并从videos目录提取对应视频帧。数据按训练集划分，可直接用于行为克隆或离线强化学习。Hugging Face平台提供的可视化空间支持在线回放轨迹，便于检查数据质量与任务执行过程。

背景与挑战

背景概述

伴随具身智能与机器人操作研究的纵深推进，面向真实物理场景的高质量操作数据集日益成为驱动策略学习与泛化能力提升的关键基础设施。task10_move_to_beaker_shelf数据集依托LeRobot框架构建，聚焦移动操作机器人执行“将目标物移至烧杯架”这一精细任务，采集了107条回合、共计39758帧的多视角视觉与本体状态数据。该数据集以30帧率同步记录高位及双腕相机影像，并提供16维关节位置与速度信息，为视觉-运动策略学习、多模态表征以及操作技能迁移等前沿议题提供了可复用的实证素材，对推动桌面级精细操作研究具有基础性支撑意义。

当前挑战

该数据集所应对的核心领域难题在于移动操作机器人于非结构化环境中完成高精度放置任务，要求系统在连续视觉反馈下协调底盘运动与双臂关节，克服遮挡、光照变化及物体位姿不确定性带来的感知歧义。构建过程中面临的挑战则包括：多相机与机器人本体状态的严格时间同步、长时序演示数据的稳定采集与标注、以及烧杯架目标区域狭小所引致的动作空间精细度要求。此外，单一任务设定下如何保证演示多样性与数据规模之间的平衡，亦是制约策略泛化能力的关键因素，亟待后续研究在任务扩展与数据增广层面加以突破。

常用场景

经典使用场景

在机器人学习领域，基于视觉的精细操作任务长期以来依赖真实世界演示数据来训练策略模型。task10_move_to_beaker_shelf数据集以移动机械臂将目标物体放置到烧杯架为具体任务，提供了107条专家演示轨迹，共计39758帧，涵盖三路视觉观测与16维本体状态及动作序列。其经典使用场景在于模仿学习与视觉-动作策略的端到端训练，研究者常利用该数据集验证行为克隆、扩散策略或视觉语言动作模型在接触密集、空间约束严格的操作任务中的表现，从而推动桌面级机器人精细化操作的能力边界。

实际应用

在实际应用层面，该数据集所刻画的任务与实验室自动化、生物医学样本处理及仓储分拣等场景高度契合。移动机械臂将试管或容器精准放入指定支架，是化学实验与医疗检验流程中的典型操作。利用该数据集训练的策略模型可直接部署于移动操作平台，用以缓解实验人员重复性劳动负担，提升样本处理的一致性与通量。同时，其多视角视觉配置与移动底盘速度信息，也为室内服务机器人在狭小空间内的精细抓放操作提供了可借鉴的数据范式。

衍生相关工作

依托LeRobot开源生态，该数据集衍生了若干具有代表性的后续工作。研究者基于其多视角视频与关节轨迹，探索了扩散策略在接触丰富任务中的适应性改进，并发展了时序动作分块与视觉预训练微调等方法。部分工作将该数据集作为移动操作基准，与静态机械臂数据集进行跨平台迁移研究，分析底盘运动对操作策略的影响。此外，围绕该任务的三路相机配置，亦有工作聚焦于多视角融合与遮挡鲁棒性，进一步拓展了数据集在具身智能研究中的影响范围。