unitreeh1_fold_clothes

该数据集是通过LeRobot创建的，主要用于机器人技术领域。数据集包含38个episodes，总计19000帧数据，50fps的视频数据。视频数据包括左右摄像头的图像，分辨率为720x1280，格式为av1编码的yuv420p。状态观察数据包括19个电机的状态信息，动作数据包括40个电机的动作信息。数据集的结构详细，包含了视频路径、数据路径、特征描述等信息。This dataset was created using LeRobot and is primarily designed for robotics research. It contains 38 episodes, with a total of 19,000 frames of 50fps video data. The video data consists of images captured by left and right cameras, with a resolution of 720×1280 and encoded in AV1 format with YUV420p pixel format. The state observation data includes the status information of 19 motors, while the action data covers the action information of 40 motors. The dataset has a detailed structure, including metadata such as video paths, data storage paths, and feature descriptions.

原始信息汇总

数据集概述

基本信息

• 名称: lerobot/unitreeh1_fold_clothes
• 许可证: Apache-2.0
• 任务类别: 机器人学
• 标签: LeRobot

数据集描述

• 主页: 未提供
• 论文: 未提供
• 代码库版本: v2.0

数据集结构

• 总集数: 38
• 总帧数: 19000
• 总任务数: 1
• 总视频数: 76
• 总块数: 1
• 块大小: 1000
• 帧率: 50 fps
• 数据路径: data/chunk-{episode_chunk:03d}/episode_{episode_index:06d}.parquet
• 视频路径: videos/chunk-{episode_chunk:03d}/{video_key}/episode_{episode_index:06d}.mp4

特征

1. 观察图像

   • 左摄像头 (observation.images.cam_left):
     • 数据类型: 视频
     • 形状: [720, 1280, 3]
     • 视频信息:
       • 帧率: 50.0
       • 编解码器: av1
       • 像素格式: yuv420p
       • 深度图: 否
       • 音频: 无
   • 右摄像头 (observation.images.cam_right):
     • 数据类型: 视频
     • 形状: [720, 1280, 3]
     • 视频信息: 同左摄像头

2. 观察状态 (observation.state):

   • 数据类型: float32
   • 形状: [19]
   • 名称: motor_0 到 motor_18

3. 动作 (action):

   • 数据类型: float32
   • 形状: [40]
   • 名称: motor_0 到 motor_39

4. 其他特征:

   • episode_index: int64, 形状 [1]
   • frame_index: int64, 形状 [1]
   • timestamp: float32, 形状 [1]
   • next.done: bool, 形状 [1]
   • index: int64, 形状 [1]
   • task_index: int64, 形状 [1]

引用

• BibTeX: 未提供

搜集汇总

背景与挑战

背景概述

该数据集名为'unitreeh1_fold_clothes'，由LeRobot创建，专注于机器人技术应用。它包含38个episodes、19000帧50fps的视频数据，视频来自左右摄像头，分辨率为720x1280，采用av1编码yuv420p格式，并提供了19个电机的状态观察和40个电机的动作信息。数据集结构详细，涵盖视频路径、数据路径和特征描述，适用于机器人学习和控制任务。