R1_Lite_plug_the_socket

R1_Lite_plug_the_socket数据集是基于LeRobot格式扩展的，与LeRobot完全兼容。该数据集使用R1_Lite机器人，代码库版本为v2.1，末端执行器类型为two_finger_gripper。数据集涵盖了家庭场景，并包括抓取、拾取和放置等原子动作。数据集共有96个总剧集，115158帧，1个任务，288个视频，1个数据块，大小为1000，帧率为30，数据集大小为5.1GB。数据集由RoboCOIN团队贡献，并遵循Apache-2.0许可证发布。

原始信息汇总

R1_Lite_plug_the_socket 数据集概述

数据集基本信息

• 数据集名称: R1_Lite_plug_the_socket
• 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
• 帧率: 30 FPS
• 数据集大小: 5.1GB

场景与动作

场景类型

• 家庭环境

原子动作

• 抓取
• 拾取
• 放置

数据统计

指标	数值
总情节数	96
总帧数	115158
总任务数	1
总视频数	288
总分块数	1
分块大小	1000

任务描述

主要任务

插入电蚊香然后拔出并放在桌子上

子任务

1. 异常
2. 左手握住插座，右手拔出
3. 右手握住插座，左手拔出
4. 将插头插入插座
5. 空
6. 拿起电蚊香液
7. 将电蚊香液放在桌子上

数据特征

视觉观察

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

状态与动作

• 观察状态：14维浮点数（关节角度和夹爪开合）
• 动作：14维浮点数（关节角度和夹爪开合）

注释信息

• 子任务注释
• 场景注释
• 末端执行器方向、速度、加速度
• 夹爪模式、活动状态
• 末端执行器仿真姿态
• 夹爪开合尺度

数据组织

文件结构

• 数据文件：Parquet格式
• 视频文件：MP4格式
• 分块组织：1个分块，每块1000个情节

数据划分

• 训练集：情节0-95

作者与链接

贡献者

• RoboCOIN团队

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

兼容性

基于LeRobot扩展格式，完全兼容LeRobot框架

引用信息

如需在研究中使用本数据集，请引用提供的BibTeX条目和LeRobot框架

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_plug_the_socket数据集采用基于LeRobot框架的扩展格式构建，确保了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执行插拔电蚊香液任务，系统采集了96个完整操作序列，涵盖115,158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，通过多视角RGB视频流与机器人状态动作数据同步记录，形成规模达5.1GB的结构化数据集。

使用方法

研究者可借助LeRobot标准接口直接加载该数据集，其数据按训练集划分涵盖0至95号操作序列。使用时应遵循特定文件路径模式访问parquet格式的状态动作数据与MP4格式的视频流，其中观察数据包含14维关节状态与12维末端位姿，动作空间则对应相同的控制维度。建议结合多视角视觉输入与丰富的运动标注开展模仿学习或强化学习研究，同时可利用细粒度子任务标注进行技能分解与转移学习探索。

背景与挑战

背景概述

在机器人操作学习领域，双手机器人协同控制一直是实现复杂任务的关键技术瓶颈。R1_Lite_plug_the_socket数据集由RoboCOIN团队于2025年11月发布，作为RoboCOIN项目的重要组成部分，该数据集聚焦于家居环境中的精细插拔操作任务。通过采用兼容LeRobot框架的扩展数据格式，该数据集记录了R1_Lite双手机器人执行电蚊香液插拔操作的完整行为序列，包含11.5万帧多视角视觉数据与丰富的运动注解，为研究双臂协同操作中的感知-动作映射关系提供了标准化实验基准。

当前挑战

该数据集致力于解决双手机器人精细操作中的两大核心挑战：其一是动态环境下的手眼协调问题，要求机器人同时处理视觉定位、力控交互与动作时序的耦合关系；其二是跨模态数据对齐的复杂性，需将多摄像头视频流、关节状态数据与末端执行器运动参数进行精确同步。在构建过程中，团队面临传感器标定误差累积、双机械臂运动干涉规避、以及长时序任务中行为模式漂移等技术难题，这些挑战共同推动了机器人操作数据采集标准的演进。

常用场景

经典使用场景

在机器人操作学习领域，R1_Lite_plug_the_socket数据集为双臂协调操作研究提供了典型范例。该数据集聚焦于家庭环境中的插拔插座任务，通过多视角视觉观测与精细的动作标注，为模仿学习与强化学习算法提供了标准化的训练与评估基准。其包含的抓取、拾取、放置等原子动作序列，能够有效支撑机器人双手协同操作策略的开发与验证。

解决学术问题

该数据集通过丰富的运动学标注与多模态观测数据，解决了机器人操作中动作分割与任务规划的学术难题。其提供的末端执行器位姿、速度、加速度等精细标注，为研究双手协调操作中的动力学特性与运动规划算法提供了数据基础。同时，场景标注与子任务分割信息有助于探索复杂操作任务的层次化表示与学习机制。

实际应用

在家庭服务机器人领域，该数据集支持开发能够执行精细插拔操作的智能系统。通过模拟真实家庭环境中的插座使用场景，数据集为开发具备实际部署价值的家用机器人提供了训练基础。其包含的多视角视频数据与丰富的状态信息，能够直接应用于机器人控制系统的仿真测试与实际部署前的算法验证。

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_plug_the_socket数据集聚焦于双臂协同操作的精细任务学习，其前沿研究方向主要围绕多模态感知与动作规划的深度融合展开。该数据集通过提供丰富的末端执行器运动轨迹、抓取器状态及多视角视觉数据，为模仿学习与强化学习算法在复杂家居场景中的泛化能力提供了关键支撑。近期研究热点集中于利用该数据集开发跨任务迁移模型，以解决插拔插座等日常操作中的动态适应性挑战，这一进展对提升服务机器人的实用性与安全性具有深远意义。