jinkami07/so101_pick_blue_tape_ep03

Name: jinkami07/so101_pick_blue_tape_ep03
Creator: jinkami07
Published: 2026-04-11 04:19:28
License: 暂无描述

Hugging Face2026-04-11 更新2026-04-12 收录

下载链接：

https://hf-mirror.com/datasets/jinkami07/so101_pick_blue_tape_ep03

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: apache-2.0 task_categories: - robotics tags: - LeRobot configs: - config_name: default data_files: data/*/*.parquet --- This dataset was created using [LeRobot](https://github.com/huggingface/lerobot). <a class="flex" href="https://huggingface.co/spaces/lerobot/visualize_dataset?path=jinkami07/so101_pick_blue_tape_ep03"> <img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface/badges/resolve/main/visualize-this-dataset-xl.svg"/> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface/badges/resolve/main/visualize-this-dataset-xl-dark.svg"/> </a> ## Dataset Description - **Homepage:** [More Information Needed] - **Paper:** [More Information Needed] - **License:** apache-2.0 ## Dataset Structure [meta/info.json](meta/info.json): ```json { "codebase_version": "v3.0", "robot_type": "so_follower", "total_episodes": 1, "total_frames": 300, "total_tasks": 1, "chunks_size": 1000, "data_files_size_in_mb": 100, "video_files_size_in_mb": 200, "fps": 30, "splits": { "train": "0:1" }, "data_path": "data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet", "video_path": "videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4", "features": { "action": { "dtype": "float32", "names": [ "shoulder_pan.pos", "shoulder_lift.pos", "elbow_flex.pos", "wrist_flex.pos", "wrist_roll.pos", "gripper.pos" ], "shape": [ 6 ] }, "observation.state": { "dtype": "float32", "names": [ "shoulder_pan.pos", "shoulder_lift.pos", "elbow_flex.pos", "wrist_flex.pos", "wrist_roll.pos", "gripper.pos" ], "shape": [ 6 ] }, "observation.images.wrist": { "dtype": "video", "shape": [ 480, 640, 3 ], "names": [ "height", "width", "channels" ], "info": { "video.height": 480, "video.width": 640, "video.codec": "av1", "video.pix_fmt": "yuv420p", "video.is_depth_map": false, "video.fps": 30, "video.channels": 3, "has_audio": false } }, "timestamp": { "dtype": "float32", "shape": [ 1 ], "names": null }, "frame_index": { "dtype": "int64", "shape": [ 1 ], "names": null }, "episode_index": { "dtype": "int64", "shape": [ 1 ], "names": null }, "index": { "dtype": "int64", "shape": [ 1 ], "names": null }, "task_index": { "dtype": "int64", "shape": [ 1 ], "names": null } } } ``` ## Citation **BibTeX:** ```bibtex [More Information Needed] ```

许可证：Apache-2.0 任务类别： - 机器人学标签： - LeRobot 配置项： - 配置名称：default 数据文件：data/*/*.parquet --- 本数据集由[LeRobot](https://github.com/huggingface/lerobot)开发构建。 <a class="flex" href="https://huggingface.co/spaces/lerobot/visualize_dataset?path=jinkami07/so101_pick_blue_tape_ep03"> <img class="block dark:hidden" src="https://huggingface.co/datasets/huggingface/badges/resolve/main/visualize-this-dataset-xl.svg"/> <img class="hidden dark:block" src="https://huggingface.co/datasets/huggingface/badges/resolve/main/visualize-this-dataset-xl-dark.svg"/> </a> ## 数据集说明 - **项目主页：** [需补充更多信息] - **相关论文：** [需补充更多信息] - **许可证：** Apache-2.0 ## 数据集结构 [meta/info.json](meta/info.json): json { "代码库版本（codebase_version）": "v3.0", "机器人类型（robot_type）": "so_follower", "总轨迹数（total_episodes）": 1, "总帧数（total_frames）": 300, "总任务数（total_tasks）": 1, "数据块大小（chunks_size）": 1000, "数据文件总大小（MB）（data_files_size_in_mb）": 100, "视频文件总大小（MB）（video_files_size_in_mb）": 200, "帧率（FPS/fps）": 30, "数据集划分（splits）": { "训练集（train）": "0:1" }, "数据文件路径格式（data_path）": "data/chunk-{chunk_index:03d}/file-{file_index:03d}.parquet", "视频文件路径格式（video_path）": "videos/{video_key}/chunk-{chunk_index:03d}/file-{file_index:03d}.mp4", "数据特征（features）": { "动作（action）": { "数据类型（dtype）": "float32", "维度名称（names）": [ "肩旋关节位置（shoulder_pan.pos）", "肩升关节位置（shoulder_lift.pos）", "肘屈关节位置（elbow_flex.pos）", "腕屈关节位置（wrist_flex.pos）", "腕转关节位置（wrist_roll.pos）", "夹爪位置（gripper.pos）" ], "形状（shape）": [ 6 ] }, "观测状态（observation.state）": { "数据类型（dtype）": "float32", "维度名称（names）": [ "肩旋关节位置（shoulder_pan.pos）", "肩升关节位置（shoulder_lift.pos）", "肘屈关节位置（elbow_flex.pos）", "腕屈关节位置（wrist_flex.pos）", "腕转关节位置（wrist_roll.pos）", "夹爪位置（gripper.pos）" ], "形状（shape）": [ 6 ] }, "观测图像-腕部相机（observation.images.wrist）": { "数据类型（dtype）": "video", "形状（shape）": [ 480, 640, 3 ], "维度名称（names）": [ "高度（height）", "宽度（width）", "通道数（channels）" ], "详细信息（info）": { "视频高度（video.height）": 480, "视频宽度（video.width）": 640, "视频编码格式（video.codec）": "av1", "视频像素格式（video.pix_fmt）": "yuv420p", "是否为深度图（video.is_depth_map）": false, "视频帧率（video.fps）": 30, "视频通道数（video.channels）": 3, "是否包含音频（has_audio）": false } }, "时间戳（timestamp）": { "数据类型（dtype）": "float32", "形状（shape）": [ 1 ], "维度名称（names）": null }, "帧索引（frame_index）": { "数据类型（dtype）": "int64", "形状（shape）": [ 1 ], "维度名称（names）": null }, "轨迹索引（episode_index）": { "数据类型（dtype）": "int64", "形状（shape）": [ 1 ], "维度名称（names）": null }, "全局索引（index）": { "数据类型（dtype）": "int64", "形状（shape）": [ 1 ], "维度名称（names）": null }, "任务索引（task_index）": { "数据类型（dtype）": "int64", "形状（shape）": [ 1 ], "维度名称（names）": null } } } ## 引用 **BibTeX格式：** bibtex [需补充更多信息]

提供机构：

jinkami07

搜集汇总

数据集介绍

构建方式

在机器人操作任务的数据采集领域，该数据集通过LeRobot框架精心构建，记录了单次完整任务执行过程。数据采集依托so_follower型机器人平台，以每秒30帧的速率同步捕获机械臂关节位置状态与腕部摄像头视觉信息。原始数据经结构化处理，存储为Parquet格式文件，并辅以MP4格式视频流，确保了多模态数据的时序对齐与高效存取。

使用方法

研究人员可通过HuggingFace平台直接加载该数据集，利用其预定义的数据结构进行模型训练与验证。数据集已划分为训练集，支持以数据块为单位流式读取，兼顾内存效率与访问速度。用户可并行处理关节运动序列与视觉观测，构建端到端的机器人控制模型。配套提供的可视化工具支持交互式数据浏览，便于直观理解任务执行过程与数据分布特性。

背景与挑战

背景概述

在机器人学习领域，模仿学习与强化学习的发展亟需高质量、结构化的真实世界交互数据集作为支撑。so101_pick_blue_tape_ep03数据集应运而生，它由LeRobot开源项目创建，专注于记录机械臂执行特定拾取任务（如拾取蓝色胶带）的完整操作序列。该数据集以Apache 2.0许可证发布，包含了单次任务执行的300帧数据，涵盖了关节位置、视觉观察（腕部摄像头图像）及时间戳等多模态信息，旨在为机器人策略学习提供可复现的基准数据。其结构化的特征设计，特别是对动作与状态观测的细致标注，反映了当前机器人数据标准化与共享的前沿趋势，有助于推动通用机器人操作模型的训练与评估。

当前挑战

该数据集致力于解决机器人操作任务中模仿学习与策略泛化的核心挑战，即如何从有限的演示数据中学习鲁棒且可迁移的控制策略。具体而言，挑战体现在任务本身的复杂性上：机械臂在动态环境中精准拾取特定物体（如蓝色胶带）需协调多自由度运动与视觉感知，对模型的时空理解与动作规划能力提出较高要求。在构建过程中，数据采集面临同步多模态传感器（如关节编码器与摄像头）的技术难题，确保高帧率视频与精确状态数据的时间对齐；同时，数据标注与存储需平衡细节丰富度与处理效率，例如采用Parquet格式与视频压缩以管理大规模序列数据，这涉及计算资源与工程优化的持续挑战。

常用场景

经典使用场景

在机器人操作学习领域，so101_pick_blue_tape_ep03数据集为模仿学习与强化学习算法提供了宝贵的实验基础。该数据集记录了机械臂执行拾取蓝色胶带任务的完整轨迹，包含关节位置、末端执行器图像及时间戳等多模态数据。研究人员可基于此数据集训练模型学习从视觉输入到动作输出的映射关系，进而实现机器人自主完成类似抓取任务。数据集的结构化设计使得算法能够高效地提取特征并优化策略，推动了机器人操作技能的自动化学习进程。

解决学术问题

该数据集有效解决了机器人操作任务中样本效率低下与泛化能力不足的学术难题。通过提供高质量的真实世界演示数据，它支持了离线强化学习与行为克隆等方法的验证与改进。数据集中的多模态观测信息，如手腕摄像头图像与关节状态，有助于研究跨模态表示学习，提升模型在动态环境中的适应性与鲁棒性。其存在促进了机器人学习领域从仿真到实际应用的过渡，为复杂操作任务的算法设计提供了实证基础。

实际应用

在实际工业与服务机器人场景中，so101_pick_blue_tape_ep03数据集可应用于自动化装配线或物流分拣系统。基于数据驱动的模型能够学习精确的抓取姿态与路径规划，减少人工编程成本并提高任务成功率。例如，在电子制造中，机器人可借鉴此类数据实现细小元件的拾取与放置，提升生产灵活性与效率。数据集还支持机器人技能的快速部署与迭代优化，为智能工厂与仓储自动化提供了可靠的技术支撑。

数据集最近研究