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。
FreeTacman 是面向接触丰富操作的 robot-free 视觉-触觉数据采集系统数据集，支持同名论文。数据集包含大规模、高精度的视觉-触觉操作数据，覆盖 50 个任务，包含超过 3000k 对视觉-触觉图像以及 10k 以上轨迹，可用于视觉-触觉学习与操作研究。其潜在用途包括系统复现、多模态模仿学习、触觉感知抓取，以及利用动态触觉交互序列改进触觉仿真到真实迁移。
数据按 50 个任务类别组织，每个类别包含每次示教的同步视频和轨迹文件。视频为 MP4，来自腕部相机和视觉-触觉相机两个视角；轨迹文件记录 Unix 时间戳、工具中心点位置、欧拉角、四元数姿态表示，以及夹爪开口距离。数据集提供 Hugging Face 下载脚本和面向中国用户的 ModelScope 下载脚本，采用 MIT License 发布。
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
- mit
- 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 OpenDriveLab/FreeTacMan --repo-type dataset --local-dir ./data/opendrivelab-freetacman
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("OpenDriveLab/FreeTacMan")
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。
尚未收录关联机型或引用它的模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face datasets OpenDriveLab/FreeTacMan访问 2026-10-26