RoboCOIN/Galbot_G1_use_dryer_1

该数据集使用基于LeRobot的扩展格式，并完全兼容LeRobot。This dataset uses an extended format based on LeRobot and is fully compatible with LeRobot.

搜集汇总

数据集介绍

构建方式

该数据集由北京人工智能研究院（BAAI）的RoboCOIN团队构建，采用基于LeRobot的扩展格式，完全兼容LeRobot框架。数据通过主臂遥操作方式采集，机器人型号为Galbot G1，配备双指末端执行器。数据采集过程在真实世界的家庭阳台场景中进行，任务是从烘干机中抓取白色衣物。数据集包含620个演示回合，共计242,533帧画面，以30帧/秒的帧率录制，总数据量达3.30 GB。

使用方法

用户可通过LeRobot框架直接加载和使用该数据集。数据按照分块方式组织，每个回合的数据以Parquet格式存储于data/chunk-{id}/目录下，对应的视频文件则存放在videos/chunk-{id}/路径中。完整的数据结构包括状态数据、动作数据、元数据和视频文件，并附有多项JSON格式的标注文件。用户可直接调用LeRobot API读取指定回合数据进行模仿学习或强化学习等机器人技能习得实验。

背景与挑战

背景概述

在具身智能领域，机器人在非结构化家庭环境中执行精细操作任务仍是核心挑战之一。Galbot_G1_use_dryer_1数据集由北京智源人工智能研究院（BAAI）的RoboCOIN团队于2025年创建，旨在解决双机械臂在真实家庭场景中从滚筒洗衣机等固定装置中抓取柔软、可变形物体的能力。该数据集包含620个高质量专家演示片段，总计超过24万帧，记录了Galbot G1机器人使用双指末端执行器从阳台环境中的棕色干衣机内抓取白色衣物的完整过程。作为RoboCOIN项目的重要组成部分，该数据集为研究灵巧操作、视觉引导抓取和双臂协调策略提供了极具价值的基准，推动了具身智能从实验室环境向真实家居应用的跨越。

当前挑战

该数据集所解决的领域问题核心在于，从封闭空间内抓取可变形、无固定形态的物体（如衣物）是机器人操作中的经典难题，其挑战表现为：物体形状和位置高度不确定、视觉遮挡严重且易产生纠缠，仅依靠传统几何规划难以实现可靠抓取。在构建过程中，挑战同样显著：数据收集依赖于无模型的遥操作方式，需在高频30 FPS下同步采集三个RGB摄像头（包括头戴与双手腕视觉）与21维状态信息，确保620个演示片段之间动作的一致性与多样性；同时，遥操作数据的噪声与人类示教中的不一致性要求精细的后期标注与过滤，数据集为此设计了多项结构化标注（如末端执行器加速度、方向、夹爪活动状态），以确保数据质量可支撑下游模仿学习算法的稳定训练。

常用场景

经典使用场景

在家庭服务机器人领域，衣物取放任务因其对柔顺性物体的精细操作需求而成为极具挑战性的基准。该数据集精心采集了620条真实场景演示，每条都记录了Galbot_G1双臂机器人在阳台环境中，借助三组高分辨率摄像头（前额与左右腕部）的视觉观测，从烘干机中精准抓取白色衣物的完整过程。研究者可借此训练模仿学习或强化学习模型，以掌握从视觉输入到关节动作序列的端到端映射，尤其适合验证针对非刚性物体变形与遮挡问题的交互策略。

解决学术问题

该数据集化解了家庭服务机器人研究中柔性物体操作缺乏高质量真实演示数据的长期困境。通过提供完整的21维状态空间与16维动作空间，它使学界能够精确量化抓取过程中双臂协同的轨迹规划与力控策略。其包含的末端执行器加速度、方向与夹爪活动标注，为探索柔顺操控中的接触模型与动态稳定性提供了标准参照。由此，研究可深入剖析机器人在非结构化环境下处理可变形物体的通用性障碍，推动从简单抓取迈向精细家务操作的理论跃迁。

实际应用

在实际应用场景中，该数据集赋能了智能家居机器人从实验室原型到商业部署的关键跨越。基于此训练的策略可直接部署于同型号双臂机器人，协助家庭中衣物分拣、挂晾或折叠等重复性劳动，尤其适用于老龄化社会下的助老服务与残障人士的生活辅助。此外，其丰富的手眼协调数据为无人机床整理、干洗店自动化等工业场景提供了迁移基础，预示着劳动密集型家务环节向机器人化转型的可行路径。

数据集最近研究

最新研究方向

以家用烘干机取衣任务为典型场景，该数据集聚焦于双臂机器人在真实家庭环境中的精细化灵巧操作能力，其620条高质量演示轨迹与多视角视觉、状态及动作注释，为模仿学习、行为克隆及人机协作研究提供了珍贵基石。作为RoboCOIN开源项目的重要组成部分，该资源推动了面向复杂非结构化日常家务与工业协作的通用操作智能探索，呼应了机器人从实验室精准控制迈向家庭自主服务的前沿浪潮，对构建可泛化的技能基座与标准化评估平台具有里程碑意义。