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。

RPent Memory 是供 RPent 使用的记忆数据集，按 Global Memory、Task-family Memory、Task-specific Memory 分层，分别存放跨任务规则与失败模式、任务族内验证过的策略和注意事项、单次任务运行的执行记录与流程。发布布局包含 global、task-family、task-specific、flash、MEMORY.md 以及 libero/manifest.json 等路径。

LIBERO 语料按记忆生成模型区分版本，匹配代码会为 gpt-5.5 选择 GPT_5.5_xhigh，为 gpt-6-astra 选择 GPT_6_astra_low；未知模型回退到 GPT-5.5，也可用 --memory-version 显式选择。GPT-5.5 包含原始经验、索引和 78 组 Flash plan/anchor，覆盖 Spatial、Object、Goal、Long 任务；Astra 没有 Flash 资产。

RoboCasa 语料位于 robocasa/GPT_5.5_xhigh/ 和 robocasa/GPT_6_astra_high/，可通过 --memory-profile local --memory-dir 选择本地语料根目录。Flash Mode 使用 --planner flash，仅用于评测且不能与 --explore 组合；_internal/ 运行时探索状态和本地验证报告不随数据集发布。

资料出处 Hugging Face datasets RLinf/RPent-memory

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): 500
Hub 下载量: 8.4k; 出处Hugging Face
Hub 点赞: 5; 出处Hugging Face

采集方式: 仿真
开源协议: Apache-2.0
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 RLinf/RPent-memory --repo-type dataset --local-dir ./data/rlinf-rpent-memory

# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("RLinf/RPent-memory")
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。

Hugging Face

来源

本页事实对应的公开页面，以原文为准。

Hugging Face datasets RLinf/RPent-memory访问 2026-10-21

RPent-memory ​

概述

关键规格与模态

数据下载与加载代码

关联采集机型与策略模型

来源

RPent-memory