five

Tianqin_A2_box_storage_part

收藏
Hugging Face2025-11-29 更新2025-11-30 收录
下载链接:
https://huggingface.co/datasets/RoboCOIN/Tianqin_A2_box_storage_part
下载链接
链接失效反馈
官方服务:
资源简介:
Tianqin_A2_box_storage_part数据集是一个基于LeRobot框架的机器人数据集,它使用扩展格式,并与LeRobot完全兼容。该数据集使用了Tianqin_A2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,包括抓取、放置和捡起等原子动作。数据集包含丰富的注释,支持多样化的学习方法,如子任务分割、场景描述、末端执行器运动方向和速度、抓取器模式和活动等。数据集被分割成训练集和测试集,结构上分为注释、数据、元数据和视频等不同的目录。

The Tianqin_A2_box_storage_part dataset is a robotics dataset built on the LeRobot framework, which adopts an extended format and is fully compatible with LeRobot. This dataset utilizes the Tianqin_A2 robot, with a codebase version of v2.1 and two_finger_gripper as its end-effector type. The dataset covers home scenarios, including atomic actions such as grasping, placing, and picking up. It contains rich annotations that support diverse learning approaches, including subtask segmentation, scene description, end-effector movement direction and speed, gripper mode and activity, etc. The dataset is partitioned into training and test sets, and its structural organization includes distinct directories for annotations, data, metadata, and videos.
创建时间:
2025-11-19
原始信息汇总

Tianqin_A2_box_storage_part 数据集概述

基本信息

  • 数据集名称: Tianqin_A2_box_storage_part
  • 许可证: Apache-2.0
  • 支持语言: 英语、中文
  • 任务类别: 机器人学
  • 标签: RoboCOIN、LeRobot
  • 帧范围: 100K-1M

机器人配置

  • 机器人类型: Tianqin_A2
  • 代码库版本: v2.1
  • 末端执行器类型: 两指夹爪

场景与动作

  • 场景类型: 家庭环境
  • 原子动作: 抓取、放置、拾取

数据集统计

指标 数值
总情节数 1104
总帧数 681531
总任务数 1
总视频数 3312
总分块数 2
分块大小 1000
帧率 30 FPS
数据集大小 25.6GB

任务描述

  • 主要任务: 将零件从包含它们的盒子中取出并放入空盒子中
  • 子任务:
    1. 异常
    2. 结束
    3. 抓取数据线
    4. 将数据线放入另一个盒子中

数据特征

视觉观测

  • 3个摄像头视角: 高位RGB、左手腕RGB、右手腕RGB
  • 视频规格: 480×640分辨率,30 FPS,AV1编码

状态与动作

  • 状态观察: 17维浮点数组(关节位置、夹爪状态)
  • 动作数据: 17维浮点数组(关节控制、夹爪控制)

丰富注释

  • 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: 方向、速度、加速度分类
  • 夹爪注释: 开合状态、活动状态
  • 仿真位姿: 12维末端执行器6D位姿信息
  • 夹爪开度: 连续夹爪开度测量

数据组织

文件结构

  • 数据文件: Parquet格式,按分块组织
  • 视频文件: MP4格式,按摄像头视角分目录存储
  • 元数据: JSON格式的完整数据集信息

数据分割

  • 训练集: 情节0-1103

作者与链接

  • 贡献者: RoboCOIN团队
  • 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

技术兼容性

  • 数据格式: 基于LeRobot的扩展格式,完全兼容LeRobot框架
  • 支持方法: 适用于多种机器人学习方法的训练和评估

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。

搜集汇总
数据集介绍
main_image_url
构建方式
在机器人操作数据集的构建领域,Tianqin_A2_box_storage_part数据集采用基于LeRobot框架的扩展格式进行系统化采集。该数据集通过天琴A2型双臂机器人执行零件存储任务,涵盖抓取、放置和拾取等基础操作动作。数据以分块形式组织,共包含1104个完整操作序列,划分为2个数据块,每个块容纳1000个操作片段。视觉数据通过三个不同视角的摄像头以30帧每秒的速率采集,同时记录机器人关节状态、末端执行器位姿及夹爪活动等多模态信息,最终以Parquet格式存储确保数据的高效访问与处理。
使用方法
对于机器人模仿学习与策略研究而言,该数据集提供了标准化的使用路径。研究者可通过LeRobot兼容接口直接加载数据,按照分块目录结构访问存储于data文件夹的Parquet格式序列文件。训练阶段可调用全部1103个操作片段,每个片段包含完整的视觉观察、状态向量与动作指令。多视角视频数据存储于videos目录下,支持分别提取不同角度的操作影像。丰富的运动特征与夹爪控制参数使得该数据集既适用于端到端的行为克隆,也能支撑分层强化学习算法的开发,为双臂协调操作研究提供了坚实的数据基础。
背景与挑战
背景概述
在机器人操作学习领域,高质量的双臂操作数据集对于推动灵巧操作算法的发展具有关键意义。Tianqin_A2_box_storage_part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,专注于家庭环境下的物体转移任务。该数据集采用天琴A2型双臂机器人平台,配备双指夹爪末端执行器,通过多视角视觉观测与精细的动作标注,为研究复杂操作序列的时空建模提供了坚实基础。其与LeRobot框架的完全兼容性进一步扩展了在机器人学习社区的适用性,为双臂协同操作策略的探索开辟了新途径。
当前挑战
该数据集致力于解决双臂机器人精细操作中的动作序列规划难题,其核心挑战在于多模态感知数据的时空对齐与长时序动作的连贯性建模。构建过程中面临双重挑战:一方面需克服多摄像头视角下视觉数据同步与标定的技术瓶颈,确保三维空间动作轨迹的精确重建;另一方面需处理高维度状态-动作空间带来的标注复杂性,特别是末端执行器六维位姿与夹爪状态的联合标注体系对数据一致性提出了严格要求。大规模视频数据存储与分布式处理架构的设计亦成为数据集构建的关键技术壁垒。
常用场景
经典使用场景
在机器人操作学习领域,Tianqin_A2_box_storage_part数据集为双指夹爪机器人的物品转移任务提供了标准化实验平台。该数据集通过记录天琴A2型机器人在家庭环境中执行零件收纳任务的完整操作序列,包括抓取、拾取和放置等基础动作,为模仿学习与强化学习算法提供了丰富的训练样本。其多视角视觉观测与精细的动作标注使得研究者能够系统分析双臂协调操作中的运动规划问题。
解决学术问题
该数据集有效解决了机器人操作中动作分割与任务理解的学术难题。通过提供细粒度的子任务标注和末端执行器运动参数,研究者能够深入探索操作任务的层次化结构。丰富的运动特征数据为分析机器人操作中的动力学特性提供了可能,而多模态感知数据则助力于跨模态表征学习的研究,推动机器人操作从单一技能向复杂任务理解的跨越。
实际应用
在工业自动化和智能仓储领域,该数据集支持开发高效的零件分拣系统。基于真实操作场景录制的数据可用于训练智能机器人执行精细的零件搬运任务,提升生产线物料管理的自动化水平。家庭服务机器人也能受益于此数据集,通过学习标准化的物品收纳操作,实现日常家居环境的自主整理功能,推动服务机器人进入实用化阶段。
数据集最近研究
最新研究方向
在机器人操作领域,Tianqin_A2_box_storage_part数据集凭借其丰富的多视角视觉数据与精细的机械臂运动标注,正推动模仿学习与行为克隆的前沿探索。该数据集涵盖抓取、放置等原子动作,结合末端执行器的六维位姿与动态参数,为双手机器人协同操作研究提供了关键支撑。随着家庭服务机器人需求增长,其真实场景下的部件整理任务数据,正被广泛应用于策略泛化与多模态感知融合的算法优化,显著提升了复杂环境中机器人操作的鲁棒性与适应性。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作