eval_act_newgripper_ckpt040k_01

该数据集由LeRobot创建，采用apache-2.0许可证，属于机器人学领域。数据集包含5个总片段，1541帧，1个总任务，数据文件大小为100MB，视频文件大小为200MB，帧率为21fps。数据以parquet格式存储，视频以mp4格式存储。数据集结构包括动作和观察状态，两个摄像头的图像数据，以及时间戳、帧索引、片段索引、索引和任务索引等特征。动作和观察状态均包含7个浮点型位置数据。图像数据分辨率为480x640，3通道，视频编码为av1，像素格式为yuv420p，无音频。数据集适用于机器人控制和视觉任务的研究。

This dataset was developed by LeRobot, distributed under the Apache-2.0 license, and falls within the field of robotics. It consists of 5 total segments, 1541 frames, and covers 1 overall task. The total size of the data files is 100 MB, while the video files amount to 200 MB, with a frame rate of 21 fps. The tabular data is stored in Parquet format, and the videos are in MP4 format. The dataset structure includes actions, observation states, image data from two cameras, as well as features such as timestamps, frame indices, segment indices, indexes, and task indices. Both actions and observation states contain 7 floating-point position values. The image data has a resolution of 480×640 with 3 channels; the videos are encoded with AV1, use the YUV420p pixel format, and have no audio tracks. This dataset is applicable to research on robot control and visual tasks.

原始信息汇总

数据集概述：eval_act_newgripper_ckpt040k_01

该数据集是一个面向机器人（Robotics）任务的数据集，基于 LeRobot 框架创建，采用 Apache-2.0 许可证。

基本信息

• 数据集名称： eval_act_newgripper_ckpt040k_01
• 机器人类型： ned2
• 总集数（Episodes）： 1
• 总帧数（Frames）： 301
• 总任务数（Tasks）： 1
• 数据文件大小： 100 MB
• 视频文件大小： 200 MB
• 帧率（FPS）： 21

数据集结构

• 代码库版本： v3.0
• 分块大小（Chunks Size）： 1000
• 数据划分： 仅包含训练集（train），划分比例为 0:1（全部数据用于训练）。
• 数据路径格式： data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet
• 视频路径格式： videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4

主要特征（Features）

数据集包含以下关键字段，各字段具体信息如下：

特征名称	数据类型	形状（Shape）	字段说明
action	float32	[7]	机器人动作：包括6个关节位置（base_to_arm.pos, arm_to_elbow.pos, elbow_to_forearm.pos, forearm_to_hand.pos, hand_to_shoulder.pos, shoulder_to_wrist.pos）和1个夹爪位置（gripper.pos）
observation.state	float32	[7]	机器人的观测状态：字段名称与 action 完全一致，即7维的关节位置与夹爪位置
observation.images.camera1	video	[480, 640, 3]	来自摄像头1的视频流：分辨率480x640，3通道（RGB），编码格式为AV1，帧率21 FPS，非深度图
observation.images.camera2	video	[480, 640, 3]	来自摄像头2的视频流：参数与camera1完全一致
timestamp	float32	[1]	时间戳
frame_index	int64	[1]	帧索引
episode_index	int64	[1]	集数索引
index	int64	[1]	整体索引
task_index	int64	[1]	任务索引

搜集汇总

数据集介绍

构建方式

该数据集基于LeRobot框架构建，针对NED2型机械臂的“新夹爪”任务场景采集而成。数据通过预设的夹具轨迹与视觉传感系统协同记录，包含单段演示轨迹，总计301帧时序数据，采样频率为21帧/秒。采用分块存储策略，将动作指令、状态信息及两路摄像头画面（分辨率640×480，AV1编码）分别以Parquet格式和MP4视频格式归档，并通过元数据文件统一管理数据路径与特征维度。

使用方法

用户可通过LeRobot库直接加载该数据集，利用其提供的数据加载器实现批量化训练。数据集默认划分为单条训练轨迹，适用于模仿学习中的行为克隆或逆动力学建模。在使用时，需配置动作空间为7维连续控制向量，观测空间包含7维状态变量与两帧160×120像素的视觉特征。建议采用状态-动作对联合解码策略，结合注意力机制处理长时序依赖，亦可扩展为多任务学习场景中的基准测试集。

背景与挑战

背景概述

该数据集是基于LeRobot框架构建的机器人操作技能评估数据集，创建于近期，由HuggingFace LeRobot社区主导开发。其核心研究问题聚焦于评估基于视觉和状态信息的机器人抓取策略在真实机械臂（NED2）上的执行效果。数据集仅包含1个片段、301帧，记录了机械臂七自由度关节轨迹与双视角视频，专为验证模型在有限样本下的泛化能力而设计。作为LeRobot生态的组成部分，它为机器人学习社区提供了轻量级基准，推动低数据量场景下的策略迁移研究。

当前挑战

数据集所解决的领域问题在于，机器人操作任务通常依赖大规模标注数据，而实际部署中数据获取成本高昂。该数据集通过仅含单一片段的极简设置，旨在验证模型在极度稀疏数据下的可行性与鲁棒性。构建过程中面临两大挑战：一是如何在单次演示中保证动作序列的连续性与一致性，避免关节角度冲突或奇异点；二是视觉数据（640×480分辨率、AV1编码）的实时采集与同步对齐，需确保两摄像头帧率稳定及时间戳精确匹配，这对硬件同步与数据预处理流水线提出了严苛要求。

常用场景

经典使用场景

在机器人学习与智能控制领域，该数据集为模仿学习与行为克隆算法的验证提供了标准化基准。通过记录Ned2机械臂在单任务上的完整轨迹（涵盖7个关节角度、夹爪状态及双视角视觉信息），研究者可构建从观测到动作的端到端映射模型。其每帧21帧的采集频率与300余帧的时序跨度，特别适合评估短程精细操作任务的策略泛化能力，例如抓取与放置的连续性控制。

解决学术问题

该数据集有效解决了机器人技能获取中数据稀缺与复现困难的学术痛点。传统研究多依赖手工设计规则或物理仿真，而该真实场景下的轨迹数据为因果推理在机器人控制中的应用提供了实证基础。它推动了低样本学习在机械臂操作中的可行性论证，使研究者得以量化视觉-运动耦合的误差边界，并验证不同网络架构（如Transformer vs LSTM）对时序依赖的捕获效率。

实际应用

在产业自动化场景中，该数据集可直接用于训练工业机械臂的快速部署模型。通过预训练方式，迁移至包装、分拣或装配等重复性操作任务时，可减少人工示教所需的时间成本。结合双摄像头视觉反馈，其数据格式天然适配机器人孪生系统与边缘计算设备，有助于构建适应小批量生产模式的自适应抓取方案。

数据集最近研究

最新研究方向

该数据集聚焦于基于LeRobot框架的机械臂精细操控任务，尤其关注夹爪（gripper）在复杂环境中的精确动作学习。当前研究热点在于利用大规模模仿学习数据集训练通用机器人策略，而该数据集通过记录单条完整轨迹（301帧，含7维关节状态与动作、双视角视频），为评价模型在精密抓取、摆放等操作中的泛化能力提供了标准化测试样本。其设计契合了具身智能领域对低成本、高复用数据采集方案的迫切需求，推动从仿真训练向真实场景迁移的突破。数据集的开放许可与轻量化结构（100MB数据+200MB视频）降低了研究门槛，有望加速协作机械臂在柔性制造、家庭服务等前沿领域的能力进化。