# D3IL-Vision

> 权威词条地址：https://robotics.hellobike.com/datasets/zeus-omni-d3il-vision
> 所属分类：datasets | 最近核验日期：2026-09-26 | 技术层级：L6

## 核心摘要

Zeus-Omni 在 Hugging Face 发布的机器人数据集，规模 1M<n<10M。

## 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/Zeus-Omni/D3IL-Vision"}] |
| `updated` | 2026-09-26 |
| `robots` | ["franka-research-3"] |
| `episodes` | 8298 |
| `modalities` | ["视频"] |
| `annotation_levels` | ["动作轨迹", "状态观测"] |
| `formats` | ["Parquet"] |
| `license` | Apache-2.0 |
| `collection` | teleop |
| `hub_id` | Zeus-Omni/D3IL-Vision |
| `hub_stats` | {"downloads": 724, "likes": 1, "as_of": "2026-10-27"} |
| `overview_sources` | ["https://huggingface.co/datasets/Zeus-Omni/D3IL-Vision"] |

## 技术详解与生态说明

D3IL Vision + LeRobot / LingBot-VA 是一个由 D3IL demonstrations 派生的本地数据集，覆盖 avoiding、pushing、inserting、aligning、sorting_2、sorting_4、sorting_6、stacking 八个任务子集。数据提供两路相机视角，包含 LeRobot v2.1 轨迹，以及预计算的 LingBot-VA 视频和文本特征。

数据总计 8,298 条 Parquet 轨迹、16,596 个 MP4 视频、56,146 个单相机 latent 文件，并按 episode 划分为 25,195 个训练 clips 和 2,878 个评估 clips。Avoiding、Pushing、Inserting 的图像来自恢复已记录的机器人/物体状态并渲染外部相机和腕部相机；Aligning、Sorting、Stacking 保留源数据视觉。动作和状态均为 8 个 float32 通道：7 个关节位置和夹爪总宽度。

该数据集面向关节目标策略，LingBot-VA 中 8 个动作通道映射到 30 维动作布局的 14–20 和 28，未用通道及初始合成动作 padding 需要 mask。使用时应匹配关节/夹爪控制器；格式和加载验证不代表闭环策略成功或恢复轨迹的物理有效性。

## 原始核验来源 (Sources)

- [Hugging Face datasets Zeus-Omni/D3IL-Vision](https://huggingface.co/datasets/Zeus-Omni/D3IL-Vision)