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。
这是一个真实世界 Franka Panda 任务数据集，包含 4 个操作任务：把粉色面条放入碗中、把面包放入碗中、把意面倒入平底锅、关闭右侧柜门。每个任务提供训练与验证 demonstrations，数量分别约为 89–90 个训练示例和 10 个验证示例。
数据由 Franka Panda 采集，使用 2 个 ZED Mini 相机，视角为 agentview 和 eye-in-hand，并通过 GELLO 遥操作采集。图像来自 ZED VGA 672×376，先从两侧各裁剪 148 像素得到 376×376，再缩放到 224×224。动作是 10 维绝对末端执行器位姿：3 维位置、6D 旋转表示和 1 维夹爪宽度；控制频率为 10Hz，每个 demo 为 HDF5 文件。
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 · 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 zhicao/openpi --repo-type dataset --local-dir ./data/zhicao-openpi
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("zhicao/openpi")
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 zhicao/openpi访问 2026-10-21