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。
LA-33K-V 是面向机器人操作的 Language-Action 预训练数据集 LA-33K 的保留视觉版本，来源于 LeRobot 格式的 DROID 数据集 cadene/droid_1.0.1。数据包含 33,116 个短原子操作片段、9,532 条语言任务，以及机器人状态、动作、元数据和 episode 边界。机器人标注为 Franka。
与 LA-33K 的公开视频帧被全黑遮罩不同，LA-33K-V 保留三路 RGB 视频流：两个外部视角和一个腕部视角，格式为 LeRobot v2.1-style 的 meta、data、videos 布局，FPS 为 15。字段覆盖语言指令、关节/笛卡尔状态、动作、相机外参、时间戳和边界标志等。
构建流程从已有 DROID 演示中提取静止区间和夹爪变化等时序线索，用 Qwen-3-VL-Plus 生成候选原子区间和视觉无关指令，并经人工验证后保留质量分不低于 2/3 的片段。数据可用于 VLA/LA 预训练、语言条件操作、原子动作分割与指令 grounding；不建议未经任务验证直接部署到安全关键系统。
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。
- 演示轨迹数 (Episodes)
- 33116
- 采集方式
- 遥操作
- 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
暂未公开或待收录：总时长
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 MINT-SJTU/LA-33K-V --repo-type dataset --local-dir ./data/mint-sjtu-la-33k-v
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("MINT-SJTU/LA-33K-V")
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 MINT-SJTU/LA-33K-V访问 2026-10-27