仓库标识： tongji-franka/hockey_static_aligned_v1。
所属组织： Tongji Franka Research Team。
预期用途： 模仿学习（Imitation Learning）、行为克隆（Behavior Cloning）、多视角视觉动作学习，以及示教数据的时间对齐分析。
版本定位： 由 hockey_static_release 生成的软件时间对齐训练副本。
许可证： CC-BY-NC-4.0。

数据规模

项目	数值
数据格式	LeRobot v3.0
元信息中的 robot type	`fr3_teach_aligned_single_arm`
Episode 数	100
样本数 / 时间步数	12,913
任务标签数	1
名义采样频率	30 Hz
名义累计时长	430.43 秒，约 7.17 分钟
单 episode 样本数：最小 / 中位数 / 最大	80 / 146 / 147
单 episode 名义时长：最小 / 最大	2.67 / 4.90 秒
相机数量	2：wrist、overhead
每路图像分辨率	1280 × 720，RGB
视频格式	H.264，`yuv420p`，30 FPS，无音频
data Parquet 文件数	1
MP4 文件数	2
已发布划分	`train`，episode 0–99，即 `0:100`

以上时长由“样本数 ÷ FPS”计算，不是独立测量的墙上时钟时长。样本数统计的是时间步数，不是两路相机图像数量之和。任务文本保持英文，因此 YAML 中 language: en 描述任务标签语言；正文说明使用中文。

采集设备与设置

机械臂： 单台 Franka FR3，记录 7 个关节，顺序为 fr3_joint1 至 fr3_joint7。
腕部相机： Intel RealSense D435I，对应 wrist。
上方相机： Intel RealSense D435，对应 overhead。
视频观测： 两路均为 1280 × 720、30 FPS 的 RGB 视频。主要 schema 未声明 depth 或 audio 特征。
末端设置： 球拍固定在夹爪中，主状态与动作向量不包含夹爪自由度。
关节位置单位： 弧度（rad），见 recording/contract.json。
相机标定： 内参和畸变信息见 recording/camera_calibration.json。
采集配置快照： 见 recording/snapshots.json。

字段定义与动作含义

字段	存储 dtype / shape	含义
`observation.state`	`float32`，`(7,)`	当前 7 个机械臂关节的观测位置，单位 rad
`action`	`float32`，`(7,)`	未来 7 个机械臂关节的位置，单位 rad；具体定义见下文
`observation.images.wrist`	Video，帧 shape 为 `(720, 1280, 3)`	腕部 RGB 图像
`observation.images.overhead`	Video，帧 shape 为 `(720, 1280, 3)`	上方 RGB 图像
`timestamp`	`float32`，标量	episode 内的数据集时间，单位秒
`frame_index`	`int64`，标量	episode 内的样本索引
`episode_index`	`int64`，标量	episode 编号
`index`	`int64`，标量	全局样本索引
`task_index`	`int64`，标量	任务表索引；本数据集只有一个任务标签

动作定义： 在均匀 30 Hz 时间轴上，下一个时间步的 7 个关节绝对位置，由记录的机器人轨迹线性插值得到。对应 recording/contract.json 中的 next_uniform_time_interpolated_joint_position_rad。

时间基准： 经软件时间戳对齐后生成的均匀 30 Hz 时间轴。

action 表示关节绝对位置，不应解释为关节速度、位置增量、力矩、笛卡尔位姿或夹爪指令。两路图像保存在 MP4 中，LeRobot 根据元信息定位和解码；它们不是直接嵌入 data Parquet 中的图像数组。加载后的图像 tensor 通常采用 channel-first 的 (3, 720, 1280) 布局。

数据生成与处理

本数据集由 hockey_static_release 生成。具体处理规则保存在 recording/contract.json、cleaning/alignment_report.json 和 cleaning/provenance.json 中。

机器人时间参考采用 native reader 的 host-receipt 时间戳，即主机接收到机器人数据的时间。
相机时间参考采用 RealSense SDK 的 global_time 时间戳。
在均匀 30 Hz 时间轴上，对机器人关节位置做线性插值，不做外推。
对每个时间步选取最近的已保存 RGB 帧；允许的最大绝对时间偏差配置为 33.333 ms。
action 取下一个均匀时间步的插值关节位置，相对 observation.state 的名义时间间隔约为 33.333 ms。
保留全部 100 / 100 条 episode，本次对齐未排除任何 episode。
源数据的 13,206 个样本经过对齐后得到 12,913 个样本，减少 293 个样本。

这是软件时间戳对齐。记录契约明确标注 hardware_synchronized: false；主机接收延迟与相机曝光时钟精度未经过独立标定，缺失的 RGB 帧也没有被重建。

来源文件指纹为 988ff8b7e90241e7157c40aa540f938b232b92724c33fcf496398c8b4acd3caf。源 episode 对应关系、原始记录哈希和逐 episode 时间偏差保存在 cleaning/provenance.json 中。

数据质量与检查记录

编写本说明时已检查：data Parquet 的实际行数、episode 长度之和与 meta/info.json 一致；所有 observation.state 与 action 数值均为有限值。这些属于结构与数值检查，不代表重新执行了完整视频解码或策略训练评测。

已有 cleaning/verification.json 记录 verified: true，并确认 100 条 episode 以及两路视频的帧数与数据集样本数一致。这是随数据保存的验证结果，不代表任务成功率或策略评测成绩。

根据 cleaning/alignment_report.json 的逐 episode 记录汇总：

相机	最大绝对对齐偏差（ms）	重复选用帧计数
wrist	33.101	84
overhead	33.285	83

“重复选用帧计数”指对齐流程报告的重复选帧数量，不是被排除的 episode 数。相邻时间步可能引用同一张已保存图像。

此外，cleaning/training_reader_check.json 保存了一次训练数据读取检查：batch size 为 2，状态形状为 (2, 7)，action chunk 形状为 (2, 100, 7)，两路图像形状均为 (2, 3, 720, 1280)。该记录中的路径为当时的 staging 路径，不代表本次重新执行了训练。

文件结构

meta/
  info.json                       # 字段定义、FPS、split 与分片路径
  stats.json                      # 特征归一化统计量
  tasks.parquet                   # 任务描述与索引
  episodes/chunk-*/file-*.parquet  # Episode 长度及数据、视频偏移
data/chunk-*/file-*.parquet        # 状态、动作、时间戳与索引
videos/
  observation.images.wrist/chunk-*/file-*.mp4
  observation.images.overhead/chunk-*/file-*.mp4
recording/
  contract.json                   # 采集规则与 action 定义
  snapshots.json                  # 采集配置快照
  camera_calibration.json         # 相机内参
  raw/episode_*.jsonl              # 逐样本采集或对齐记录
cleaning/                         # 源数据审计、时间对齐、来源追踪与验证报告

若目录中存在额外图像资产，它们属于附属文件。训练使用的字段和分片路径以 meta/info.json 为准。

使用方法

请使用支持 LeRobot dataset v3.0 的 LeRobot 环境。仓库上传完成后，可从 Hugging Face Hub 加载：

from lerobot.datasets.lerobot_dataset import LeRobotDataset

dataset = LeRobotDataset(
    repo_id="tongji-franka/hockey_static_aligned_v1",
    revision="main",
)
sample = dataset[0]
print(sample["observation.state"].shape)
print(sample["action"].shape)

当前全部 100 条 episode 都属于 train，没有单独发布 validation 或 test split。建立评测划分时，应按 episode 或采集场次划分，并将源数据及其对应的 aligned 副本放在同一个划分中，以避免数据泄漏。

版本关系与数据重叠

数据集	定位	来源关系
hockey_static_release	原始发布数据；静止冰球任务	aligned_v1 的来源
hockey_static_aligned_v1	软件时间对齐后的训练副本	由 release 生成
hockey_static_release_01	原始发布数据；红色冰球任务	aligned_v2 的来源
hockey_static_aligned_v2	软件时间对齐后的训练副本	由 release_01 生成

aligned_v1 和 aligned_v2 来自不同的源发布版。名称中的 v1 / v2 不表示“在同一批数据上使用新旧两种算法”，也不能仅凭名称认定 v2 是 v1 的替代版或更优版本。

源数据和对应的 aligned 数据包含同一批示教的不同表示。因此，四个仓库不能视为 400 条互不重复的示教；合并训练或设计评测时需要检查来源关系。

已知局限

每个发布版只包含一个任务标签，以及一套机器人和相机配置；尚未给出对其他任务、物体、场景或机器人的泛化评测。
主 schema 未提供 reward、逐 episode 成功标签或目标位置标签；当前没有独立测试集、命中率或策略性能基准。
动作由已记录轨迹中的关节位置构造，不能仅凭该向量定义完整的机器人控制系统。
重复图像和静止片段可能仍然存在；aligned 版本不重建缺失图像，也不提供硬件级曝光同步。
已检查的元信息未完整描述操作人员构成及所有环境变化。

许可证

本数据集采用 Creative Commons Attribution-NonCommercial 4.0 International（CC-BY-NC-4.0，署名—非商业性使用 4.0 国际） 许可证。

在遵守许可证的前提下，可以为非商业用途复制、分享、修改和基于本数据集创作。使用或再分发时，应：

对数据集提供适当署名，并保留来源信息。
提供许可证链接。
如果修改了数据，说明所做修改。
不得施加与许可证所授予权利冲突的额外法律或技术限制。

该许可证不授予商业用途许可；如需商业使用，请联系数据权利人另行协商。完整条款以许可证法律文本为准，也可查看中文许可摘要。

引用与联系

当前检查的元信息未附论文引用或 DOI。正式引用发布前，可使用仓库标识 tongji-franka/hockey_static_aligned_v1 与仓库 URL 标明数据来源，并在实验中记录使用的 commit revision，以保证结果可追溯。此来源说明不替代许可证中的其他要求。

关于采集方法、许可或评测的问题，可在本仓库的 Discussions 中提出，或联系 Tongji Franka Research Team。

Downloads last month: 152

Total file size:

262 MB