# LA-33K-V

> 权威词条地址：https://robotics.hellobike.com/datasets/mint-sjtu-la-33k-v
> 所属分类：datasets | 最近核验日期：2026-07-15 | 技术层级：L6

## 核心摘要

MINT-SJTU 在 Hugging Face 发布的机器人数据集，规模 10K<n<100K。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L6"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/datasets/MINT-SJTU/LA-33K-V"}] |
| `updated` | 2026-07-15 |
| `robots` | ["franka-research-3"] |
| `episodes` | 33116 |
| `modalities` | ["视频", "图像", "状态观测"] |
| `annotation_levels` | ["动作轨迹", "状态观测"] |
| `formats` | ["Parquet"] |
| `license` | mit |
| `collection` | teleop |
| `hub_id` | MINT-SJTU/LA-33K-V |
| `hub_stats` | {"downloads": 5833, "likes": 0, "as_of": "2026-10-27"} |
| `overview_sources` | ["https://huggingface.co/datasets/MINT-SJTU/LA-33K-V"] |
| `fps` | 15 |

## 技术详解与生态说明

LA-33K-V 是面向机器人操作的 Language-Action 预训练数据集 LA-33K 的保留视觉版本，来源于 LeRobot 格式的 DROID 数据集 cadene/droid_1.0.1。数据包含 33,116 个短原子操作片段、9,532 条语言任务，以及机器人状态、动作、元数据和 episode 边界。机器人标注为 Franka。 

与 LA-33K 的公开视频帧被全黑遮罩不同，LA-33K-V 保留三路 RGB 视频流：两个外部视角和一个腕部视角，格式为 LeRobot v2.1-style 的 meta、data、videos 布局，FPS 为 15。字段覆盖语言指令、关节/笛卡尔状态、动作、相机外参、时间戳和边界标志等。 

构建流程从已有 DROID 演示中提取静止区间和夹爪变化等时序线索，用 Qwen-3-VL-Plus 生成候选原子区间和视觉无关指令，并经人工验证后保留质量分不低于 2/3 的片段。数据可用于 VLA/LA 预训练、语言条件操作、原子动作分割与指令 grounding；不建议未经任务验证直接部署到安全关键系统。

## 原始核验来源 (Sources)

- [Hugging Face datasets MINT-SJTU/LA-33K-V](https://huggingface.co/datasets/MINT-SJTU/LA-33K-V)