外观
libero_cot
yinchenghust 在 Hugging Face 发布的机器人数据集,LeRobot 格式,采集构型 panda,含 1693 条轨迹,时长 7.6 小时。
数据集yinchenghustlibero_cot
数据集档案汇总规模、格式、关联机型与模型
yinchenghust 在 Hugging Face 发布的机器人数据集,LeRobot 格式,采集构型 panda,含 1693 条轨迹,时长 7.6 小时。
这套数据集的采集方式、多模态结构、存储格式与适用任务。
libero_cot 是一个由 LeRobot 创建的数据集,面向 LIBERO benchmark,包含具身 Chain-of-Thought(CoT)示范数据。数据以成对的推理轨迹与动作轨迹为核心,旨在服务于视觉-语言-动作模型中推理能力相关的研究与训练。
该数据集作为 DeepThinkVLA 项目的一部分构建,使用两阶段数据引擎:先由云端 LVLM 对关键帧进行蒸馏,再通过微调后的本地 VLM 扩展到完整轨迹。项目关联论文为“DeepThinkVLA: Enhancing Reasoning Capability of Vision-Language-Action Models”,代码主页指向 OpenBMB/DeepThinkVLA,许可为 apache-2.0。
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。
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 yinchenghust/libero_cot --repo-type dataset --local-dir ./data/yinchenghust-libero-cot
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("yinchenghust/libero_cot")
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。