KS325/open-lower-drawer-r2-occ-test-spare

该数据集是一个用于机器人技术研究的数据集，专门针对名为open-lower-drawer-r2-occ-test-expand_second的任务，使用LeRobot工具创建。数据集包含2个剧集，共1498帧，帧率为30 fps，数据文件大小为100 MB，视频文件大小为200 MB。数据特征包括6维的动作和观测状态（涉及肩部、肘部、腕部和夹持器的位置），以及来自两个摄像头（camera1和camera2）的图像观测，每个摄像头的视频分辨率为480x640像素，3通道，使用AV1编解码器。此外，数据集还包含时间戳、帧索引、剧集索引、索引和任务索引等元数据。数据以Parquet格式存储，视频以MP4格式存储，适用于机器人控制、视觉导航和强化学习等应用场景。This dataset is designed for robotics research, specifically for the task named open-lower-drawer-r2-occ-test-expand_second, and was created using the LeRobot tool. It consists of 2 episodes with a total of 1498 frames at a frame rate of 30 fps. The data files size is 100 MB, and the video files size is 200 MB. The features include 6-dimensional actions and observation states (covering positions of shoulder, elbow, wrist, and gripper), as well as image observations from two cameras (camera1 and camera2), each with video resolution of 480x640 pixels, 3 channels, using the AV1 codec. Additionally, the dataset contains metadata such as timestamp, frame index, episode index, index, and task index. Data is stored in Parquet format, and videos are in MP4 format, making it suitable for applications like robot control, visual navigation, and reinforcement learning.

搜集汇总

数据集介绍

构建方式

在机器人学习领域，数据集的质量直接决定了策略泛化能力的上限。open-lower-drawer-r2-occ-test-spare数据集依托LeRobot框架构建，采用so_follower型机器人平台，于标准化的操作环境中采集执行“打开下层抽屉”任务的多模态数据。数据采集过程以30帧每秒的频率同步记录机器人本体感受状态（包括肩部旋转、肘部弯曲、腕部姿态及夹爪位置共6维关节量）与两路480×640分辨率的视觉观测流，并通过AV1编码压缩存储为视频文件。全部数据经统一时间戳对齐与帧索引标注后，以Parquet列式格式分块归档，形成包含2个完整回合、共计1498帧的规范化数据集。

特点

该数据集立足于机器人操作策略的离线评估与验证场景，呈现出鲜明的结构化特征。其核心特质在于任务定义的单一性与动作空间的低维连续性——仅包含一个任务类别，动作与状态向量均为6维浮点型关节位置序列，便于模型进行端到端的映射学习。双路视觉模态提供了丰富的空间环境感知信息，配合逐帧的时间戳与回合索引，保障了时序建模的精确性。数据集规模精巧，总帧数不足一千五百帧，划分单一训练集，适宜快速原型验证与消融实验。视频采用高效AV1编码，在保证画质的同时显著压缩了存储开销，体现了工程实用性与数据可用性的平衡。

使用方法

研究者和开发者可依托LeRobot开源生态便捷地调用该数据集。通过Hugging Face平台提供的可视化工具，用户可在线回放并检视每一回合的操作轨迹与视觉画面，直观理解任务执行流程。在模型训练阶段，可直接加载Parquet格式的数据文件，利用其中结构化的动作标签、观测状态及视频帧序列，开展模仿学习或离线强化学习实验。元信息文件完整定义了数据路径模板、视频编码参数及特征域结构，支持自动化数据管道构建。使用者亦可借助LeRobot提供的标准化接口，将本数据集无缝集成至基于so_follower机器人的策略评估流程中，用以检验算法在特定抽屉开启任务上的表现。

背景与挑战

背景概述

在机器人学习领域，高质量真实操作数据集的稀缺长期制约着策略泛化能力的提升。open-lower-drawer-r2-occ-test-spare数据集由LeRobot框架构建，以Apache-2.0许可证发布，聚焦于SO follower机械臂执行开启下层抽屉的任务。该数据集包含2个回合、1498帧、30fps的视频与状态-动作记录，涵盖六自由度关节位置及双视角视觉观测，虽规模有限，却为具身智能研究中精细操作策略的验证提供了可复用的基准样本，对推动开源机器人学习生态具有基础性意义。

当前挑战

该数据集所面对的挑战具有双重维度。在领域问题层面，开启下层抽屉涉及遮挡下的目标感知、多关节协调与接触力控制，对视觉-运动策略的鲁棒性提出严苛要求。在构建过程中，受限于真实机器人采集成本与任务成功率的约束，总回合数仅2次、总帧数1498帧，样本多样性不足，难以支撑大规模训练；同时，仅设一个任务且缺乏多场景变体，导致策略泛化评估受限，数据分布偏移与过拟合风险显著。

常用场景

经典使用场景

在具身智能与机器人学习领域，基于视觉示教的操作策略学习长期依赖高质量的轨迹数据。open-lower-drawer-r2-occ-test-spare数据集以SO follower机械臂为平台，收录了1498帧、30fps的两次开抽屉任务演示，囊括六自由度关节位姿、双路480×640视频观测与动作序列，其典型用途在于训练视觉-动作映射策略，使机械臂能够在真实或仿真环境中习得拉开低位抽屉这一精细操作技能，并支撑模仿学习与行为克隆方法的端到端验证。

实际应用

在智能制造与家庭服务场景中，低位抽屉的自动开启是仓储拣选、实验室物料取用及居家辅助机器人的常见需求。该数据集可直接用于训练SO系列机械臂完成抽屉拉取动作，亦可迁移至同类关节构型平台，支撑分拣、收纳与巡检任务中的精细操作模块开发。其双相机配置契合真实部署中的视觉感知布局，为算法从实验台走向产线或服务环境提供了可参照的数据基础。

衍生相关工作

依托LeRobot开源生态，该数据集常被用作策略训练与可视化验证的基础资源，衍生出基于扩散策略、ACT及行为克隆的对比实验，并催生针对开抽屉任务的仿真到现实迁移研究。围绕其构建的数据采集规范与格式约定，亦被后续机器人操作数据集借鉴，形成了以统一接口组织多任务演示数据的工作范式，为社区累积可复用的操作技能库提供了支撑。