外观
Skip to content
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。
Kine2Go 是面向 Unitree Go2 四足机器人的运动学数据集，包含 40 个参考片段，来源覆盖狗、马以及合成机器人运动，并被重定向到 Go2 的 12 自由度形态。每个片段配套一个在 Genesis 模拟器中训练的逐片段模仿学习 PPO 策略，并记录 20 条扰动 rollout，总计 800 条，控制/仿真频率为 60 Hz。
数据用于支持腿足运动的行为基础模型训练与正则化，也可用于单片段行为克隆和运动重定向评估。参考轨迹以 motion.npy 存储，形状为 (T, 61) float32，包含关节、足端、机身位姿和速度；rollout 以 traj.pkl 存储逐步的 PyTorch Tensor，包括关节状态、机身姿态、动作和 link 位姿。数据采用 Z-up 坐标，许可按片段记录在 clip.json，子集涉及 CC BY-NC 4.0、CC BY-SA 4.0 和 BSD-3-Clause。
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。
- 采集方式
- 遥操作
- 开源协议
- other
- 传感器模态
- 视频
- 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 · 演示轨迹数 (Episodes)
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 kine2go-review/kine2go --repo-type dataset --local-dir ./data/kine2go-review-kine2go
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("kine2go-review/kine2go")
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。
- Hugging Face datasets kine2go-review/kine2go访问 2026-10-27