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。

MT-Libero-Dataset 是面向 MT-Libero-Bench 的专家示范数据，用于一个将 40 个 LIBERO 任务整合到单个 Isaac Lab 向量化训练循环中的 GPU 并行多任务操作基准。数据来自 Franka Panda 7 自由度机械臂与平行夹爪，共 2000 条示范、336,575 个 transition，约 4.7 小时，控制频率为 20 Hz；四个套件分别覆盖空间关系变化、被操作物体变化、目标谓词变化和长时程多阶段任务。

数据被重新打包为 Isaac Lab 原生状态格式，保留原始 MuJoCo 动作和本体感知，并为每一帧提供机器人及场景中每个物体的完整物理状态，因此可将仿真器硬重置到任意示范的任意步骤，用于 demonstration-indexed resets、reverse curricula 和 demonstration-guided reward tracking 等用途。动作空间为 7 维 robosuite OSC_POSE，包含 6 维末端增量和 1 个夹爪位；数据为 state-only，不包含相机。

发布内容包含 40 个 HDF5 文件和 USD 资源树，USD 部分包含 32 个 SimReady 资产。读取时需要注意每条示范长度 T 不固定且无 padding，应使用 actions.shape[0]；initial_state/ 实际保存完整轨迹而不只是首帧；obs/ 与 initial_state/ 是相差两个控制步的同一轨迹，且面向 Isaac Lab 夹爪动作项时需要反转夹爪动作符号。

资料出处 Hugging Face datasets china-sae-robotics/MT-Libero-Dataset

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。

总时长: 4.7h
演示轨迹数 (Episodes): 2000
Hub 下载量: 422; 出处Hugging Face
Hub 点赞: 0; 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

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 china-sae-robotics/MT-Libero-Dataset --repo-type dataset --local-dir ./data/china-sae-robotics-mt-libero-dataset

# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("china-sae-robotics/MT-Libero-Dataset")
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 china-sae-robotics/MT-Libero-Dataset访问 2026-10-26

MT-Libero-Dataset ​

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

MT-Libero-Dataset