# Allegro 配对数据 — `robot_low_dim` PKL 格式说明 本目录下的 `robot_low_dim/*.pkl` 为双臂 Allegro 灵巧手操作的 **低维轨迹**,与 `robot_video/` 中同名视频逐帧对齐,用于 imitation / 行为克隆等任务。 导出脚本:`spider/examples/export_mjwp_lowdim_per_view.py` --- ## 目录结构 ```text allegro_paired_data/ ├── robot_low_dim/ # 本说明所描述的 .pkl │ └── {task}-allegro-view{00,01,02}.pkl ├── robot_video/ # 配对 RGB 视频(同名 stem) │ └── {task}-allegro-view{00,01,02}.mp4 └── robot_low_dim_FORMAT.md # 本文件 ``` **命名规则**:`{sample}-{robot_type}-view{VV}.pkl`,例如 `p001-folder-0049-allegro-view01.pkl`。 - `sample`:任务 ID,如 `p001-folder-0049` - `robot_type`:固定为 `allegro` - `view`:`00` / `01` / `02` 三个相机视角 同一 `sample` 下,**`action` / `state` / `time` / `chosen_video_frames` 在三个 view 的 pkl 中完全相同**;仅 `view` 与 `source_video` 不同。 --- ## PKL 逻辑结构(示例:`p001-folder-0049-allegro-view01.pkl`) ```text p001-folder-0049-allegro-view01.pkl │ ├─ meta: task, trial, view=1, robot_type, seq_id, num_frames ├─ timing: sim_dt, ref_dt, ctrl_dt, ref_steps, ctrl_steps │ ├─ trajectory[N] # N = num_frames,与视频帧数一致 │ ├─ action[r, 0:44] ← trajectory_mjwp.npz 的 ctrl[k, j] │ ├─ state[r, 0:44] ← qpos[k, j, :44] │ ├─ time[r] ← time[k, j](秒) │ └─ chosen_video_frames[r] ← 人类演示视频的原始帧号 │ ├─ names[44]: action_names == state_names # MuJoCo joint 名 └─ provenance: source_npz, source_video # 溯源路径(view01) ``` 顶层为 Python `dict`,共 **19** 个键。 --- ## 字段一览 ### 元数据 `meta` | 键 | 类型 | 说明 | 示例 | |----|------|------|------| | `task` | `str` | 任务 / sample 名 | `"p001-folder-0049"` | | `trial` | `str` | trial 子目录名 | `"0"` | | `view` | `int` | 相机视角索引 | `1` → view01 | | `robot_type` | `str` | 机器人类型 | `"allegro"` | | `seq_id` | `int` | 从 task 末尾解析的序列号 | `49` | | `num_frames` | `int` | 轨迹行数 = 视频帧数 | `190` | ### 时间配置 `timing` | 键 | 类型 | 典型值 | 含义 | |----|------|--------|------| | `sim_dt` | `float` | `0.005` | MuJoCo 仿真步长 (s) | | `ref_dt` | `float` | `0.04` | 参考 / 视频采样间隔 (s),25 Hz | | `ctrl_dt` | `float` | `0.2` | 控制 knot 周期 (s) | | `ref_steps` | `int` | `8` | `round(ref_dt / sim_dt)` | | `ctrl_steps` | `int` | `40` | `round(ctrl_dt / sim_dt)` | ### 轨迹数组 `trajectory` | 键 | shape | dtype | 含义 | |----|-------|-------|------| | `action` | `(N, 44)` | `float64` | 位置控制器的目标 `ctrl` | | `state` | `(N, 44)` | `float64` | 仿真关节位置 `qpos` 前 44 维 | | `time` | `(N,)` | `float64` | 该帧对应的仿真时间 (s) | | `chosen_video_frames` | `(N,)` | `int32` | 对齐的人类演示原始帧 ID | - `action` 与 `state` 相近:`action` 为控制目标,`state` 为积分后的 `qpos`。 - 第 `r` 行与 `robot_video` 中同名视频的 **第 `r` 帧** 对齐。 ### 维度名称 `names` | 键 | 类型 | 说明 | |----|------|------| | `action_names` | `list[str]`,长度 44 | 与 `state_names` 完全相同 | | `state_names` | `list[str]`,长度 44 | MuJoCo `` 的关节名 | 顺序与 `assets/robots/allegro/right.xml`、`left.xml` 中 `` 块一致(右手 22 + 左手 22),**非字母序**。 ### 溯源 `provenance` | 键 | 类型 | 说明 | |----|------|------| | `source_npz` | `str` | 源轨迹 `.../{task}/{trial}/trajectory_mjwp.npz` | | `source_video` | `str` | 源渲染视频 `.../output_mjwp_rgb_view{VV}.mp4` | --- ## 44 维关节名(`action_names` / `state_names`) ```text [ 0- 5] 右手基座: right_pos_x, right_pos_y, right_pos_z, right_rot_x, right_rot_y, right_rot_z [ 6- 9] 右手食指: right_index_base_joint … right_index_distal_joint [10-13] 右手中指: right_middle_*_joint [14-17] 右手无名指: right_ring_*_joint [18-21] 右手拇指: right_thumb_*_joint [22-27] 左手基座: left_pos_x … left_rot_z [28-31] 左手无名指: left_ring_*_joint [32-35] 左手中指: left_middle_*_joint [36-39] 左手食指: left_index_*_joint [40-43] 左手拇指: left_thumb_*_joint ``` 完整列表见导出脚本 `ACTION_STATE_JOINT_NAMES`(`export_mjwp_lowdim_per_view.py`)。 --- ## 帧索引:视频行 `r` → NPZ `(k, j)` 与 `render_mjwp_textured_video.py` 相同: ```text s = round(r * ref_steps) k = s // ctrl_steps j = s % ctrl_steps action[r] = ctrl[k, j] state[r] = qpos[k, j, :44] time[r] = time[k, j] ``` | r | (k, j) | 说明 | |---|--------|------| | 0 | (0, 0) | 第一视频帧 | | 1 | (0, 8) | 每隔 `ref_steps=8` 个子步采样 | | 2 | (0, 16) | … | 源 NPZ 形状(典型):`ctrl (K, 40, 44)`,`qpos (K, 40, 58)`,`time (K, 40)`。 --- ## 与 `robot_video` 的配对关系 | 低维 | 视频 | |------|------| | `robot_low_dim/p001-folder-0049-allegro-view01.pkl` | `robot_video/p001-folder-0049-allegro-view01.mp4` | 同一 stem、同一 `num_frames`;训练时按行索引 `r` 同时索引 pkl 与视频帧即可。