five

R1_Lite_connect_the_router_cable

收藏
Hugging Face2025-11-28 更新2025-11-29 收录
下载链接:
https://huggingface.co/datasets/RoboCOIN/R1_Lite_connect_the_router_cable
下载链接
链接失效反馈
官方服务:
资源简介:
R1_Lite_connect_the_router_cable数据集是一个基于LeRobot格式的扩展数据集,使用R1_Lite机器人,代码库版本为v2.1,末端执行器类型为two_finger_gripper。数据集包含家庭场景类型,并包括抓取、拾取、放置、插入等原子动作。数据集共有105个剧集,165617帧,1个任务,315个视频,1个数据块,数据块大小为1000,帧率为30,数据集大小为9.4GB。数据集包含丰富的注释,支持多种学习方式,包括子任务分割、场景描述、末端执行器运动方向、速度和加速度分类、抓手模式、抓手活动状态等。数据集按照LeRobot格式组织,包含视频、状态数据、动作数据、元数据等。数据集被分为训练集和测试集,并按照剧集进行组织。
创建时间:
2025-11-19
原始信息汇总

R1_Lite_connect_the_router_cable 数据集概述

📋 基本信息

  • 数据集名称: R1_Lite_connect_the_router_cable
  • 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
  • 帧范围: 100K-1M

🤖 机器人配置

  • 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

🎯 任务描述

主要任务

将插头插入插座,然后将电缆连接到路由器接口

子任务

包含27个不同的子任务:

  1. 异常
  2. 对齐电缆和路由器接口
  3. 对齐插头和插座
  4. 关闭下层抽屉
  5. 关闭中间冰箱门
  6. 关闭上层冰箱门
  7. 传递到另一只手
  8. 结束
  9. 递给另一只手
  10. 打开下层抽屉
  11. 打开中间冰箱门
  12. 打开塑料袋
  13. 打开上层冰箱门
  14. 拾取电缆
  15. 拾取插头
  16. 拾取电缆
  17. 拾取插头
  18. 将杏鲍菇放入下层抽屉
  19. 将梨放入下层抽屉
  20. 将冰茶放入冰箱
  21. 将娃哈哈放入冰箱
  22. 将西葫芦放入下层抽屉
  23. 将电缆插入路由器接口
  24. 插入接收器
  25. 插入插座
  26. 将插头插入插座

📊 数据集统计

指标 数值
总情节数 105
总帧数 165617
总任务数 1
总视频数 315
总分块数 1
分块大小 1000
帧率 30 FPS
数据集大小 9.4GB

🎥 视觉观测

  • 3个相机视角:
    • 高位RGB相机
    • 左手腕RGB相机
    • 右手腕RGB相机
  • 视频规格: 720×1280分辨率,30 FPS,AV1编码

🏷️ 可用标注

子任务标注

  • 子任务分割: 细粒度子任务分割和标注

场景标注

  • 场景级描述: 语义场景分类和描述

末端执行器标注

  • 方向: 机器人末端执行器运动方向分类
  • 速度: 操作过程中的速度大小分类
  • 加速度: 运动分析的加速度大小分类

夹爪标注

  • 夹爪模式: 夹爪开/闭状态标注
  • 夹爪活动: 活动状态分类(活动/非活动)

附加特征

  • 末端执行器仿真位姿: 仿真空间中末端执行器的6D位姿信息(状态和动作)
  • 夹爪开度尺度: 连续夹爪开度测量(状态和动作)

📂 数据分割

  • 训练集: 情节0-104

📁 数据集结构

文件组织

  • 数据路径模式: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
  • 视频路径模式: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4
  • 分块: 数据组织为1个分块,每个分块大小1000

特征架构

  • 视觉观测: 3个RGB相机视频流
  • 状态和动作: 14维浮点数组(关节位置和夹爪状态)
  • 时间信息: 时间戳、帧索引、情节索引等
  • 标注: 子任务标注、场景标注
  • 运动特征: 末端执行器位姿、方向、速度、加速度
  • 夹爪特征: 开度尺度、模式、活动状态

👥 作者

  • 贡献者: RoboCOIN团队 (https://flagopen.github.io/RoboCOIN/)

🔗 相关链接

  • 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

📚 引用

bibtex @article{robocoin, title={RoboCOIN: An Open-Sourced Bimanual Robotic Data Collection for Integrated Manipulation}, author={Shihan Wu, Xuecheng Liu, Shaoxuan Xie, Pengwei Wang, Xinghang Li, Bowen Yang, Zhe Li, Kai Zhu, Hongyu Wu, Yiheng Liu, Zhaoye Long, Yue Wang, Chong Liu, Dihan Wang, Ziqiang Ni, Xiang Yang, You Liu, Ruoxuan Feng, Runtian Xu, Lei Zhang, Denghang Huang, Chenghao Jin, Anlan Yin, Xinlong Wang, Zhenguo Sun, Junkai Zhao, Mengfei Du, Mingyu Cao, Xiansheng Chen, Hongyang Cheng, Xiaojie Zhang, Yankai Fu, Ning Chen, Cheng Chi, Sixiang Chen, Huaihai Lyu, Xiaoshuai Hao, Yequan Wang, Bo Lei, Dong Liu, Xi Yang, Yance Jiao, Tengfei Pan, Yunyan Zhang, Songjing Wang, Ziqian Zhang, Xu Liu, Ji Zhang, Caowei Meng, Zhizheng Zhang, Jiyang Gao, Song Wang, Xiaokun Leng, Zhiqiang Xie, Zhenzhen Zhou, Peng Huang, Wu Yang, Yandong Guo, Yichao Zhu, Suibing Zheng, Hao Cheng, Xinmin Ding, Yang Yue, Huanqian Wang, Chi Chen, Jingrui Pang, YuXi Qian, Haoran Geng, Lianli Gao, Haiyuan Li, Bin Fang, Gao Huang, Yaodong Yang, Hao Dong, He Wang, Hang Zhao, Yadong Mu, Di Hu, Hao Zhao, Tiejun Huang, Shanghang Zhang, Yonghua Lin, Zhongyuan Wang and Guocai Yao}, journal={arXiv preprint arXiv:2511.17441}, url = {https://arxiv.org/abs/2511.17441}, year={2025} }

搜集汇总
数据集介绍
构建方式
在机器人操作数据采集领域,R1_Lite_connect_the_router_cable数据集采用基于LeRobot框架的扩展格式构建,确保与现有机器人学习生态系统的完全兼容性。该数据集通过R1_Lite型双指夹爪机器人,在家庭场景中系统性地记录了连接路由器线缆的完整操作流程,涵盖105个独立任务片段,累计采集165617帧视觉与运动数据。数据以分块形式组织,每个数据块包含1000个片段,采用Parquet格式存储多模态观测信息,并通过三路高清摄像头以30帧/秒的速率同步采集720p分辨率视频流。
特点
该数据集的核心价值在于其精细标注的层次化结构,不仅包含抓取、拾取、放置、插入等基础动作的原子操作标注,更创新性地提供了27种细粒度子任务的分段标识。多视角视觉数据涵盖高位全局视角与左右腕部视角,配合14维关节状态空间与动作空间的完整对应关系。运动学特征方面,数据集提供了末端执行器的六维位姿、运动方向、速度等级及加速度幅值等多维度标注,夹爪状态则通过开合尺度、工作模式与活动状态三类参数精确描述,为模仿学习与强化学习算法提供了丰富的监督信号。
使用方法
研究者可通过LeRobot标准接口直接加载该数据集,数据文件遵循预定义路径模式,训练集涵盖全部105个任务片段。使用时应优先解析Parquet格式的主体数据,其中包含观测图像路径、机器人状态向量与动作指令的时间序列。视频数据可通过对应路径访问,建议结合时序索引与子任务标注实现分段训练。对于动作生成任务,可利用末端执行器位姿与夹爪状态作为监督目标;策略学习则可联合多模态观测信息与动作序列,通过帧索引实现精确的时空对齐。
背景与挑战
背景概述
在机器人操作技术迅猛发展的背景下,R1_Lite_connect_the_router_cable数据集由RoboCOIN团队于2025年11月推出,作为RoboCOIN项目的重要组成部分。该数据集聚焦于双手机器人R1_Lite在家庭环境中执行精细连接任务的能力,核心研究问题在于解决机器人对插头插入插座并连接电缆至路由器接口的复杂操作序列的感知与控制。通过集成LeRobot框架的扩展格式,该数据集提供了165,617帧多视角视觉数据与丰富的运动注释,显著推动了机器人模仿学习与任务分解研究的发展,为家庭自动化场景的实用化奠定了数据基础。
当前挑战
该数据集旨在应对机器人精细操作领域的核心挑战,即多步骤任务中空间对齐与力控制的精确协调问题,例如插头与插座的对准及电缆插入的稳定性控制。在构建过程中,面临数据采集复杂性的挑战,包括双手机器人协同运动的同步记录、多摄像头视角下视觉数据的一致性处理,以及高维度动作状态注释的精准标注。此外,家庭环境的动态特性要求数据集必须涵盖多样化的操作场景与异常处理情况,确保模型泛化能力的同时维持数据质量与规模平衡。
常用场景
经典使用场景
在机器人操作学习领域,该数据集聚焦于家庭环境下的精细装配任务,通过记录R1_Lite双指夹爪机器人连接路由器线缆的完整流程,为模仿学习算法提供多视角视觉数据与动作轨迹。其包含的抓取、拾取、放置、插入等原子动作序列,能够有效支撑机器人从感知到执行的端到端策略训练,特别适用于研究多步骤任务的时序规划问题。
衍生相关工作
该数据集作为RoboCOIN项目的重要组成部分,催生了多项基于LeRobot框架的双手操作研究。其标准化数据格式促进了跨模型性能对比,衍生出包括多模态策略学习、动作语义解析等创新方向。相关成果已推动开源机器人社区建立统一评估基准,为具身智能研究提供了可复现的实验基础。
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数据集聚焦于精细操作任务的前沿探索。当前研究重点围绕多模态模仿学习展开,通过融合三视角视觉观测与末端执行器运动轨迹数据,推动双臂协作策略的生成。该数据集丰富的动作标注体系正被用于开发层次化强化学习模型,旨在提升机器人对复杂长序列任务的分解与执行能力。随着具身智能研究热潮的兴起,这类包含真实物理交互数据的数据集为仿真到实物的迁移学习提供了关键支撑,其精细的抓取力控制标注更成为灵巧操作研究的重要基石。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作