这是一个在 Unitree G1 上进行杯子 pick-and-place 的数据集，包含 47 条原始录制，并随仓库提供训练好的策略 checkpoint 及各自评估结果。数据通过 Meta Quest 3 手部追踪采集后重定向到机器人，机器人配置为 Unitree G1 with Inspire hands（unitree_g1_inspire）。

38 条录制被切分为 1,057 个候选 lift 片段，其中 78 个被标为 first-grade，并作为已发布策略使用的片段池；片段总帧数为 252,531，频率 120 fps。训练导出格式为 LeRobot v2.1 parquet，只包含 observation.state 和 action，视频文件单独存放，不属于 LeRobot 特征，因此该导出不能用于训练视觉运动策略。

评估均在 Isaac 仿真中进行，没有发布真实硬件成功率。已比较的策略包括多种 BC、diffusion policy 以及检索重放方法；diffusion policy 在 30 次 rollout 中达到 46.7% 成功率，CVAE nearest-train latent selection 在 11 次试验中达到 81.8%，但其试验数少且来自单一轨迹簇。数据集局限于一个任务、一个物体、一个机器人形态和一个物理设置。