外观
Skip to content
table_spill_cleanup_bimanual_rgbd_segmentation_poses
table_spill_cleanup_bimanual_rgbd_segmentation_poses
ExylosAi 在 Hugging Face 发布的机器人数据集，LeRobot 格式，采集构型 panda，含 5 条轨迹，时长 0.06 小时。
数据集ExylosAitable_spill_cleanup_bimanual_rgbd_segmentation_poses
数据集档案汇总规模、格式、关联机型与模型
table_spill_cleanup_bimanual_rgbd_segmentation_poses
ExylosAi 在 Hugging Face 发布的机器人数据集，LeRobot 格式，采集构型 panda，含 5 条轨迹，时长 0.06 小时。
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。
这是一个面向桌面液体泼洒清理的双臂操作数据集样例，共 5 个 episode。演示由 human-in-the-loop 方式在 VR 中采集，并重定向到双臂 Franka Emika Panda 形态；任务是必要时移除遮挡物，再用海绵擦拭桌面液体。数据同时包含成功与失败尝试，并用终端 dirty_fraction<=0.01 作为成功判定。
每个 episode 以 LeRobot 兼容布局发布，包含同步的 7 路 RGB 视频、4 路逐帧深度 NPY、4 路分割 PNG、18 维机器人状态与动作、sponge、cup、liquid_spill 的逐帧对象状态，以及阶段标注和清理质量指标。数据适合检查多模态加载、外部资产引用、双臂模仿学习原型和失败案例分析；限制是样本较小、单一 train split，且为 synthetic、human-seeded，目标部署仍需验证。
资料出处 Hugging Face datasets ExylosAi/table_spill_cleanup_bimanual_rgbd_segmentation_poses
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
- 0.06h
- 演示轨迹数 (Episodes)
- 5
- 采集方式
- 仿真
- 开源协议
- apache-2.0
- 传感器模态
- 图像表格文本视频时序
- 标注粒度
- 动作轨迹状态观测语言标注
- 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 ExylosAi/table_spill_cleanup_bimanual_rgbd_segmentation_poses --repo-type dataset --local-dir ./data/exylosai-table-spill-cleanup-bimanual-rgbd-segmentation-poses
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("ExylosAi/table_spill_cleanup_bimanual_rgbd_segmentation_poses")
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
来源
本页事实对应的公开页面，以原文为准。