外观
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,包含来自狗、马和合成机器人运动的 40 个参考片段。这些源运动被重定向到 Go2 的 12 自由度形态,并在 Genesis 仿真器中为每个片段训练 PPO 模仿学习策略;每个片段记录 20 条扰动 rollout,总计 800 条,并带有渲染视频。
数据集用于支持腿式 locomotion 行为基础模型的训练与正则化,也可用于单片段行为克隆和运动重定向评估。来源子集包括 AI4Animation 自然狗动捕、AI4Animation 合成轨迹、Vienna Horse Data Collection,以及 cassi 的 Solo8 运动。
数据格式包括参考轨迹 motion.npy,形状为 (T, 61),含浮动基与关节位置/速度、足端位置、机身位姿和速度;rollout 以 traj.pkl 存储为逐仿真步的 torch.Tensor 字典,包含关节状态、机身状态、动作、帧号和 link 位姿。数据采用多许可证,权威许可证写在每个 clip.json 中,完整文本位于 LICENSES/。
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。
暂未公开或待收录:总时长 · 演示轨迹数 (Episodes)
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 MIMUW-Robotics/kine2go --repo-type dataset --local-dir ./data/mimuw-robotics-kine2go
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("MIMUW-Robotics/kine2go")
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。