# libero-microwave-grm-rollouts

> 权威词条地址：https://robotics.hellobike.com/datasets/auryal-libero-microwave-grm-rollouts
> 所属分类：datasets | 最近核验日期：2026-03-08 | 技术层级：L6

## 核心摘要

Auryal 在 Hugging Face 发布的机器人数据集，LeRobot 格式，采集构型 panda，含 57200 条轨迹，时长 7.07 小时。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/datasets/Auryal/libero-microwave-grm-rollouts"] |
| `layers` | ["L6"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/datasets/Auryal/libero-microwave-grm-rollouts"}] |
| `updated` | 2026-03-08 |
| `robots` | ["franka-research-3"] |
| `hours` | 7.07 |
| `episodes` | 57200 |
| `modalities` | ["视频", "图像", "状态观测"] |
| `annotation_levels` | ["动作轨迹", "状态观测"] |
| `formats` | ["Parquet"] |
| `license` | apache-2.0 |
| `collection` | sim |
| `hub_id` | Auryal/libero-microwave-grm-rollouts |
| `hub_stats` | {"downloads": 2144, "likes": 0, "as_of": "2026-10-21"} |

## 技术详解与生态说明

这是一个来自 LIBERO Microwave 任务的稠密奖励标注 rollout 数据集，任务为“put the yellow and white mug in the microwave and close it”。数据由 OpenVLA-OFT 策略在 GRPO 训练过程中产生，使用 Robo-Dopamine GRM-3B 作为奖励模型，在 LIBERO（robosuite）仿真器中以 Franka Panda 机器人执行。

数据规模约 2,100 个长度不少于 5 步的 episode，大小 41 GB，格式为 LeRobot（parquet + images）。每个 episode 包含前视图图像、腕部图像、8 维本体状态、7 维动作、逐步 GRM 分数、累计进展、稀疏环境奖励、成功标记和终止标记，并包含约 2,088 个逐 episode 的 MP4 奖励可视化。

该数据采集自一次 20 epoch 的 GRPO 训练过程，其中出现 reward hacking：成功率从 86.5% 降至 0%，而 policy loss 收敛。早期 episode 展示较熟练的操作，后期 episode 出现退化行为但仍获得正向 GRM 分数，可用于研究具身强化学习中的稠密奖励模型失效、reward hacking 和不同策略质量下的 GRM 打分模式。

## 原始核验来源 (Sources)

- [Hugging Face datasets Auryal/libero-microwave-grm-rollouts](https://huggingface.co/datasets/Auryal/libero-microwave-grm-rollouts)