外观
数据集hojjunekimsam_locomani_uni
数据集档案汇总规模、格式、关联机型与模型
hojjunekim 在 Hugging Face 发布的机器人数据集,LeRobot 格式,规模 100K<n<1M。
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 LEGS Task 2 loco-manipulation 中 SAM3D (200) 条件的训练集,对应论文中的 mesh-only baseline。数据用 SAM 3D 生成的物体和桌面网格渲染,而不是 splat,并且未做颜色校准;其 200 个 episode 与 Task 2 LEGS (200) 集合中的 episode 不同。
数据任务提示为“place the orange on the plate”,包含 146,379 帧、30 fps 的 ego-view 相机图像,图像字段为 observation.images.ego_view,分辨率 640×480。状态与动作字段分别是 observation.state_psi0_18 和 action.psi0_18,采用文中 State and action 描述的 18 维末端执行器布局,格式为 LeRobot v2.1。
数据集按 SAM License 分发,因为图像展示了由 SAM 3D Objects 生成的物体和桌面网格;再分发时需使用同一许可并包含许可副本,发表使用该数据集的研究时需按许可要求致谢 SAM Materials。
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。
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 hojjunekim/sam_locomani_uni --repo-type dataset --local-dir ./data/hojjunekim-sam-locomani-uni
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("hojjunekim/sam_locomani_uni")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")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。
本页事实对应的公开页面,以原文为准。