R1_Lite_boil_water_in_a_kettle

R1_Lite_boil_water_in_a_kettle 是一个基于LeRobot扩展格式的数据集，完全兼容LeRobot。该数据集使用R1_Lite机器人类型，代码库版本为v2.1，末端执行器类型为two_finger_gripper。数据集包含以下场景类型：家庭。原子动作包括抓取、拾取和放置。数据集统计信息显示，总共有75个剧集，85792帧，1个任务，225个视频和1个数据块，数据块大小为1000，每秒帧数为30，数据集大小为3.9GB。数据集由RoboCOIN团队贡献。数据集标签包括RoboCOIN和LeRobot。数据集包括8个不同的子任务：异常、完成煮沸水、抓取水壶、null、拿起水壶、放在水槽旁、放在电源基座上和开始煮沸水。数据集包含3个相机视图。数据集提供丰富的注释，包括子任务分割、场景描述、末端执行器方向、速度、加速度、夹具模式和活动状态等。数据集还包括末端执行器模拟姿态和夹具开启比例等额外特征。数据集被组织成训练集和测试集，其中训练集包含前74个剧集。数据集遵循LeRobot格式，包含视频、状态数据、动作数据和元数据等文件。数据集包括视觉观察、状态和动作、时间信息、注释和运动特征等特征。数据集的目录结构包括注释、数据、元数据和视频等子目录。数据集的元信息可以在meta/info.json中找到。数据集的版本信息显示，数据集的初始版本为v1.0.0，发布日期为2025年11月。

R1_Lite_boil_water_in_a_kettle is a dataset based on the LeRobot extended format, and is fully compatible with LeRobot. This dataset adopts the R1_Lite robot type, with a codebase version of v2.1, and its end-effector type is two_finger_gripper.
The dataset covers the following scene category: household. Its atomic actions include grasping, picking up, and placing.
Dataset statistics indicate that there are 75 episodes in total, 85792 frames, 1 task, 225 videos, 1 data chunk with a size of 1000, a frame rate of 30 FPS, and the total dataset size is 3.9 GB.
This dataset is contributed by the RoboCOIN team. The dataset tags include RoboCOIN and LeRobot.
The dataset includes 8 distinct subtasks: anomaly, complete boiling water, grasp the kettle, null, pick up the kettle, place beside the sink, place on the power base, and start boiling water.
It contains 3 camera views. The dataset provides rich annotations, including subtask segmentation, scene description, end-effector orientation, velocity, acceleration, gripper mode, active state, etc. It also includes additional features such as end-effector simulated pose and gripper opening ratio.
The dataset is split into a training set and a test set, where the training set contains the first 74 episodes.
It follows the LeRobot format, and includes files such as videos, state data, action data and metadata. The dataset encompasses features like visual observations, states and actions, temporal information, annotations and motion features.
The directory structure of the dataset includes subdirectories such as annotations, data, metadata and videos. The meta information of the dataset can be found in meta/info.json.
The version information of the dataset shows that its initial version is v1.0.0, with a release date of November 2025.

原始信息汇总

R1_Lite_boil_water_in_a_kettle 数据集概述

基本信息

• 数据集名称: R1_Lite_boil_water_in_a_kettle
• 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
• 框架范围: 10K-100K

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: 双指夹爪

场景与动作

场景类型

• 家庭环境

原子动作

• 抓取
• 拾取
• 放置

数据集统计

指标	数值
总情节数	75
总帧数	85792
总任务数	1
总视频数	225
总分块数	1
分块大小	1000
帧率	30
数据集大小	3.9GB

任务描述

主要任务

将水壶放在加热板上加热，然后放在水槽旁边

子任务

1. 异常
2. 完成烧水
3. 抓住水壶
4. 空值
5. 拿起水壶
6. 放在水槽旁
7. 放在电源底座上
8. 开始烧水

数据特征

相机视角

• 包含3个相机视角

视觉观测

• observation.images.cam_high_rgb: 视频，30 FPS，AV1编码
• observation.images.cam_left_wrist_rgb: 视频，30 FPS，AV1编码
• observation.images.cam_right_wrist_rgb: 视频，30 FPS，AV1编码

状态与动作

• observation.state: float32
• action: float32

注释信息

• 子任务注释: 细粒度子任务分割和标注
• 场景注释: 语义场景分类和描述
• 末端执行器注释: 运动方向、速度、加速度分类
• 夹爪注释: 开闭状态、活动状态分类

数据组织

数据分割

• 训练集: 情节0-74

文件结构

• 数据文件: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频文件: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

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

引用信息

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} }

版本信息

• v1.0.0 (2025-11): 初始发布

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_boil_water_in_a_kettle数据集通过R1_Lite型双臂机器人执行烧水任务构建而成。该数据集采用基于LeRobot框架的扩展格式，包含75个完整操作序列，总计85792帧视觉与运动数据。数据采集过程通过三路高清摄像头（顶部视角及双腕部视角）以30帧/秒的速率记录，并同步采集14维关节状态与动作指令。所有数据按1000帧为单元进行分块存储，形成结构化Parquet文件与MP4视频流相结合的多元模态档案。

特点

该数据集的核心价值体现在其精细化的动作标注体系与多维度运动特征。除了基础的任务分段与场景分类标注，更创新性地集成了末端执行器的六维位姿、运动方向、速度层级及加速度幅值等动力学参数。针对双指夹爪的操控特性，专门提供了夹持器开合尺度、工作模式与活动状态的同步标注。这种立体化的标注策略使得数据集不仅能支持传统的动作识别任务，更为机器人精细操作策略的动力学分析提供了珍贵的数据基础。

使用方法

研究者可通过LeRobot兼容接口直接加载该数据集，利用其标准化的数据路径模式访问各分块中的训练样本。数据集支持端到端的机器人模仿学习 pipeline，用户可同时调用多视角视觉观测、关节状态轨迹与动作指令序列。针对特定研究需求，可单独提取末端执行器的仿真位姿数据或夹爪控制参数进行专项分析。所有75个训练片段均配备完整的时序对齐与元数据索引，确保实验过程的可复现性与系统性评估。

背景与挑战

背景概述

在机器人操作领域，双手机器人执行复杂任务的研究正逐步深化。R1_Lite_boil_water_in_a_kettle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，专注于家庭环境中烧水任务的精细化数据采集。该数据集基于LeRobot框架构建，涵盖75个完整操作序列、85792帧多视角视觉数据，并配备丰富的机械臂运动与抓取器状态标注，旨在推动机器人动作规划与任务分解算法的前沿探索。

当前挑战

家庭场景下的烧水任务涉及复杂的物体交互与时序逻辑，需解决动态环境中的抓取稳定性、加热设备精准定位等核心问题。数据集构建过程中，多摄像头同步采集、双机械臂协同运动轨迹标注、以及细粒度子任务分割均构成技术难点，尤其需保证六维末端执行器位姿数据与实时动作指令的一致性，这对传感器校准与数据融合提出了极高要求。

常用场景

经典使用场景

在机器人操作学习领域，该数据集通过记录R1_Lite双臂机器人在家庭环境中执行烧水任务的完整流程，为模仿学习与强化学习算法提供了标准化的训练范例。其多视角视觉数据与精细的动作标注能够有效支撑机器人抓取、放置等基础操作的策略建模，特别是针对复杂任务序列的分解与执行机制研究。

衍生相关工作

基于该数据集构建的标准化评估基准已催生多项机器人操作领域的创新研究，例如结合LeRobot框架的层次化强化学习方法、多模态感知的动作生成模型等。这些工作通过利用数据集提供的精细动作分割与物理交互标注，显著提升了机器人任务执行的鲁棒性与泛化性能。

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_boil_water_in_a_kettle数据集正推动双手机器人操作的前沿探索。该数据集聚焦烧水任务，通过多视角视觉数据与精细的末端执行器运动标注，为模仿学习与强化学习算法提供了丰富训练素材。当前研究热点集中于跨模态表示学习，利用其包含的抓取、放置等原子动作序列，探索从视觉观察到关节控制的端到端策略生成。随着具身智能研究兴起，该数据集支持的长期任务分解与动态环境适应能力，正成为提升家庭场景下机器人操作可靠性的关键支撑。其与LeRobot框架的深度兼容性，进一步促进了开源机器人生态的技术协同与知识迁移。