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。