leokswang/23122025-foldclo-03_lerobot_format

该数据集使用LeRobot工具创建，专注于机器人学领域，具体针对yam机器人类型。数据集包含10个完整的情节（episodes），总计18972帧，覆盖1个任务，无视频数据，以30帧每秒的速率采集。数据被分割为1个数据块，每个块大小为1000，训练集包含所有10个情节。数据以parquet格式存储，路径模式为data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet。数据集的特征包括：来自顶部、左侧和右侧摄像头的观测图像（每张图像尺寸为360x640x3），观测状态（14维浮点数组），动作（14维浮点数组），以及时间戳、帧索引、情节索引、索引和任务索引等元数据。这些数据适用于机器人控制、行为克隆或强化学习等任务。This dataset was created using the LeRobot tool, focusing on the robotics domain, specifically for the yam robot type. It contains 10 complete episodes, totaling 18972 frames, covering 1 task, with no video data, captured at 30 frames per second. The data is split into 1 chunk with a chunk size of 1000, and the training set includes all 10 episodes. Data is stored in parquet format with the path pattern data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet. The dataset features include: observation images from top, left, and right cameras (each image sized 360x640x3), observation state (14-dimensional float array), action (14-dimensional float array), and metadata such as timestamp, frame index, episode index, index, and task index. This data is suitable for tasks like robot control, behavior cloning, or reinforcement learning.

搜集汇总

数据集介绍

构建方式

该数据集依托LeRobot框架构建，源自对YAM机器人平台操作数据的系统采集。在构建过程中，研究者通过对机器人执行单任务场景下的多次演示进行记录，共收集10个完整片段（episode），累计达18972帧数据。数据以30帧每秒的采样频率进行采集，确保时间维度的连贯性。数据存储采用Parquet格式，按照预设的分块策略组织，每个分块包含1000帧，便于高效读取与处理。所有样本被统一划归为训练集，未设置验证或测试划分，体现了数据集在机器人模仿学习研究中的原始训练用途。

特点

该数据集呈现出鲜明的多模态与结构化特征。观测数据中包含三个摄像头视角（顶部、左侧、右侧）的高清图像，分辨率均为360×640，为视觉感知提供丰富空间信息。同时，14维的关节状态向量与同等维度的动作向量记录了机器人在连续空间中的状态变迁与指令输出，配合精确的时间戳与帧索引，形成完整的行为序列。数据集虽容量精巧（约1.9万帧），却涵盖了从图像到运动学的全方位信息，非常适合用于验证机器人控制策略的初步效果。

使用方法

使用该数据集时，研究者可借助LeRobot库的标准化接口进行加载与解析。建议首先通过LeRobot的dataset模块读取Parquet文件，构建用于模仿学习的数据加载器。利用三个视角的图像作为视觉观测输入，结合14维关节状态作为系统的历史上下文，训练策略网络输出对应的14维动作指令。由于数据已按帧组织并带有时间顺序特性，可便利地构建序列模型进行训练与评估。实践中，研究者可将全部10个片段作为训练集，并自行划分少量片段用于验证，以评估所学策略的泛化能力。

背景与挑战

背景概述

该数据集由LeRobot团队于2025年构建，基于YAM机器人平台采集，旨在为机器人操作任务提供标准化训练数据。随着具身智能研究的深入，机器人从仿真环境向真实世界迁移的需求日益迫切，而高质量、多模态的演示数据是实现这一目标的关键。该数据集聚焦单一操作任务，包含10个演示片段、共计18972帧，以30帧每秒的频率记录了三视角视觉图像（顶部、左、右）及14维状态与动作序列。其采用Apache-2.0许可发布，依托LeRobot生态框架推进机器人学习研究的可复现性与数据共享。作为HuggingFace社区中标准化机器人数据集的一员，该资源为模仿学习与强化学习算法在真实机器人上的验证提供基础性支撑，尤其适合小样本学习场景下的基准测试与模型泛化性研究。

当前挑战

该数据集所应对的核心领域挑战在于真实机器人操作中数据稀缺性与异质性困境。具体而言，当前模仿学习算法高度依赖大规模、多视角的高保真演示，而真实环境采集成本高昂、任务多样性受限。本数据集以仅10个演示片段和单任务设定，直面小样本条件下策略泛化能力不足的瓶颈。在构建过程中，挑战体现在高精度时序对齐与多模态数据同步：需确保三路摄像头、状态向量及动作指令在30Hz采样下的毫秒级匹配，同时克服YAM机器人执行器非线性与外界干扰带来的数据噪声。此外，缺乏标准化评价协议与跨平台迁移度量，使得该小型数据集在复现性验证与公平对比中面临额外障碍。

常用场景

经典使用场景

在机器人学习领域，该数据集承载着由YAM机器人平台采集的精细操作演示，其核心价值在于为模仿学习与行为克隆算法提供标准化的训练范例。数据集包含10个完整演示片段，共计18972帧多视角图像（顶部、左侧、右侧）与14维状态-动作空间记录，采样频率为30帧/秒，特别适合用于学习从视觉观测到连续动作输出的端到端策略。研究者可借助LeRobot框架直接加载该数据集，开展基于视觉的机器人操控技能习得实验。

实际应用

在实际应用中，该数据集赋能开发者训练具备视觉感知能力的机器人，使其能够从多角度摄像头获取环境信息，并在14维动作空间中执行精准操控任务。例如，可基于此数据集构建机器人拾取与放置、简单装配等工业级应用的原型系统。数据集与LeRobot平台的紧密结合，还降低了从数据采集到模型部署的门槛，使得中小型研究团队或企业能够快速迭代适用于特定场景的机器人控制策略。

衍生相关工作

围绕该数据集风格与LeRobot生态，衍生出诸如基于扩散策略的机器人动作生成、预训练视觉编码器微调（如R3M、MVP）以及跨机器人形态的域适应研究等经典工作。数据集所采用的‘分块-片段’存储机制与多模态特征设计，为后续工作提供了可复用的数据组织范式，激发了一系列关于长程任务分解、多视角特征融合以及状态-动作空间对齐的创新探索，成为验证新型模仿学习算法性能的关键测试床。