概述

这套数据集的采集方式、多模态结构、存储格式与适用任务。

FailBench LIBERO v2 是基于 LIBERO 遥操作演示构建的机器人失败接触预测数据集，机器人为 Franka Panda。每个 trial 会在演示进行到中途注入一次硬件失败，并记录随后约 1 秒 settle 过程中由失败导致的接触；监督目标是在 agentview 相机中的 240×320 force-weighted contact heatmap，用于预测给定失败前状态会把机器人或物体推向哪里发生接触。

数据集包含 45,000 个 trials，来自 3 个 split、10 个任务、每任务 1,500 个 trials。每个任务一个 HDF5 文件，trial 内包含 8 帧、4 fps 的失败前窗口，agentview 与 wrist RGB-D、关节位置/速度、末端位姿、接触点与力、相机标定、settle 后状态轨迹和物体轨迹等字段。失败模式包括 GRIPPER_OPEN、SINGLE_JOINT、MULTI_JOINT、ALL_JOINTS、SLIPPERY_GRIP。

数组使用 Blosc(lz4) HDF5 过滤器压缩，读取前需要先 import hdf5plugin 再用 h5py 打开文件，随附的 load_failbench.py 已处理这一点。目标缓存提供投影接触点与 force_mag，可按 force·failure_prob scatter 后做 σ=4 px Gaussian blur 重建热图；仓库包含基于 torch/torchvision 的加载与训练脚本。数据集以 MIT 发布，底层演示内容仍遵循 LIBERO 上游许可。

资料出处 Hugging Face datasets aaronngx/failbench-libero-v2

关键规格与模态

数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。

演示轨迹数 (Episodes): 45000
Hub 下载量: 311; 出处Hugging Face
Hub 点赞: 1; 出处Hugging Face

采集方式: 仿真
开源协议: mit
传感器模态: 视频图像状态观测
标注粒度: 动作轨迹状态观测
存储格式: Parquet

暂未公开或待收录：总时长

数据下载与加载代码

通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。

# 使用 Hugging Face CLI 下载数据集
huggingface-cli download aaronngx/failbench-libero-v2 --repo-type dataset --local-dir ./data/aaronngx-failbench-libero-v2

# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("aaronngx/failbench-libero-v2")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")

关联采集机型与策略模型

采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。

采集与适用机型 1

Franka FR3franka/research-314 天前

来源

本页事实对应的公开页面，以原文为准。

Hugging Face datasets aaronngx/failbench-libero-v2访问 2026-10-27

failbench-libero-v2 ​

概述

关键规格与模态

数据下载与加载代码

关联采集机型与策略模型

采集与适用机型 1

来源

failbench-libero-v2