Colección de Datos de LeRobot
Explore el centro de conjunto de datos LeRobot de HuggingFace: 181+ conjuntos de datos de robótica estandarizados en formato Parquet+MP4. ALOHA, DROID, PushT, xArm, y más. Marco Apache 2.0.
El centro estandarizado de HuggingFace de 181+ conjuntos de datos de robótica, lo más cercano a una imagen de la red para el aprendizaje de robots.
Apache 2.0 (marco) Parquet + MP4 PyTorch nativo
Información clave
| Metric | Value |
|---|---|
| Total datasets | 181+ (and growing) |
| Robots covered | ALOHA, xArm, WidowX, Franka, UR5e, Unitree G1, Reachy, Koch, SO-100, and dozens more |
| Format | Standardized Parquet (tabular) + MP4 (video), streaming-friendly |
| Framework license | Apache 2.0 |
| Individual dataset licenses | Varies (mostly Apache 2.0; check each dataset card) |
| Training support | ACT, Diffusion Policy, VQ-BeT, TD-MPC built in |
¿Qué es LeRobot?
LeRobot es HuggingFace para responder al problema de fragmentación en los datos robóticos. Antes de LeRobot, cada laboratorio utilizaba su propio formato: HDF5, TFRecord, RLDS, bolsas ROS crudas, CSV personalizados. Entrenando un modelo en datos de múltiples fuentes significaba escribir un cargador de datos diferente para cada uno.
LeRobot estándariza todo en un único esquema: tablas de parquet para datos estructurados (posiciones conjuntas, acciones, sellos de tiempo, límites de episodios) y archivos MP4 para observaciones de video. Esto significa que puede cargar cualquier conjunto de datos en la colección con las mismas dos líneas de código, transmitirlo desde HuggingFace sin descargar el conjunto completo de datos, y conectarlo directamente a las líneas de entrenamiento de LeRobot para ACT, Política de difusión o VQ-BeT.
Las familias de conjuntos de datos clave de la colección incluyen:
- Suite de ALOHA: 20+ variantes que cubren la manipulación de simulación y de manipulación bimanual real
- PushT: El índice de referencia de la política canónica de difusión (variantes de estado y imagen)
- xArm: Elevando y empujando tareas con UFactory xArm
- RoboCasa: Manipulación de cocina en simulación
- Susembleo DROID: Conversión de 40M de fila del corpus real de DROID
- ** Datos comunitarios:** UTokyo, Columbia, Koch, SO-100, y muchos más
Cómo utilizar
# Install LeRobot
pip install lerobot
# List all available datasets
python -m lerobot.scripts.list_datasets
# Load a dataset (streaming from HuggingFace)
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("lerobot/aloha_sim_transfer_cube_human")
# Access observations and actions
print(dataset[0]) # First frame: observation.images, observation.state, action
# Train ACT on the dataset
python -m lerobot.scripts.train \
--dataset.repo_id=lerobot/aloha_sim_transfer_cube_human \
--policy=act