---
title: orcalab-tabletop-cleanup
canonical_url: "https://www.modelscope.cn/datasets/jessy888/orcalab-tabletop-cleanup"
md_url: "https://www.modelscope.cn/datasets/jessy888/orcalab-tabletop-cleanup.md"
repository: jessy888/orcalab-tabletop-cleanup
last_updated: 2026-11-04
license: "Apache License 2.0"
storage_size: "3.7 GB"
downloads: 99
stars: 0
---

# orcalab-tabletop-cleanup

> orcalab-tabletop-cleanup - jessy888 在 ModelScope 开源的数据集。OrcaLab Tabletop Cleanup

jessy888/orcalab-tabletop-cleanup 是 ModelScope 魔搭社区上的数据集，存储大小 3.7 GB，采用 Apache License 2.0 许可。

- **Repository**: jessy888/orcalab-tabletop-cleanup
- **License**: Apache License 2.0
- **Storage size**: 3.7 GB
- **Downloads**: 99
- **Stars**: 0
- **Last updated**: 2026-11-04

Source: https://www.modelscope.cn/datasets/jessy888/orcalab-tabletop-cleanup

---

# OrcaLab Tabletop Cleanup

**面向双臂桌面整理任务的 OrcaLab 仿真示范数据集，采用 LeRobot v3.0 格式。**

本数据集记录机器人在桌面场景中的操作示范，用于研究模仿学习、动作预测及仿真策略部署。配套项目将中文指令、底盘导航、SmolVLA 推理与网页控制集成在同一工作流中，目标是把药盒、药瓶整理到桌面篮子里。

- **50 集示范，52,542 帧**，全部属于训练集。
- **三路 RGB 相机**：头部、左腕、右腕；640×480，30 fps，AV1 MP4。
- **44 维状态、8 维动作**，逐帧数据以 Parquet 保存。
- 另附 **1 集 / 1,010 帧的回放样本**，位于 `examples/`，不计入训练集。

## 配套项目

- 代码与运行指南：[GitHub](https://github.com/Jessy-Huang/orcalab-service-robot) · [Gitee](https://gitee.com/jessy-huang/orcalab-service-robot)
- 策略模型：[Hugging Face](https://huggingface.co/Jessy-Huang/orcalab-smolvla-tabletop-cleanup) · [ModelScope](https://modelscope.cn/models/jessy888/orcalab-smolvla-tabletop-cleanup)
- 本数据集镜像：[Hugging Face](https://huggingface.co/datasets/Jessy-Huang/orcalab-tabletop-cleanup) · [ModelScope](https://modelscope.cn/datasets/jessy888/orcalab-tabletop-cleanup)

![配套项目网页控制台](assets/web-console.png)

*配套项目的运行界面。画面展示导航状态，并非数据集的逐帧成功标签或模型效果评测。*

## 数据结构

```text
data/                                  50 集训练示范的状态、动作及索引
meta/                                  数据集描述、统计、任务和 episode 索引
videos/
  observation.images.head/             头部相机
  observation.images.left/             左腕相机
  observation.images.right/            右腕相机
examples/pick-medbox-sample-1ep/         独立单集回放样本，保留原生目录结构
DATA_DICTIONARY.md                     字段顺序、坐标和相机映射
CHECKSUMS.sha256                        原始数据文件的 SHA256
```

仓库根目录保持完整的 LeRobot v3.0 结构。`meta/episodes/` 指定各集对应的视频文件与时间范围，请勿单独改名、重排文件号或重新编码视频后沿用旧索引。

单集样本采集于 2026-10-31，不作为主训练集的已证明子集、验证集或测试集。它用于配套项目的回放流程及格式参考，请勿在未重新编号和核查来源的情况下并入主训练集。

## 主要字段

- `observation.state`：float32，44 维；依次为双臂关节位置14维、夹爪关节位置16维、双末端位置6维、双末端四元数8维。
- `action`：float32，8 维；目标位置 xyz 3维、姿态四元数 xyzw 4维、夹爪命令1维。它描述一只活动臂的目标，并非两臂各8维同时输出。
- `timestamp`、`frame_index`：集内时间与帧号；每集从0开始。
- `episode_index`、`index`、`task_index`：集编号、全局帧号和任务编号。

原任务文本为 `pick the medbox`。Parquet 中没有独立的 `active_arm`、逐帧成功率或物体类别标签。图像保存在独立视频中，网页表格预览不能替代完整的 LeRobot 视频读取。详细格式见 [DATA_DICTIONARY.md](DATA_DICTIONARY.md)。

## 下载

### Hugging Face

```python
from huggingface_hub import snapshot_download

dataset_dir = snapshot_download(
    repo_id="Jessy-Huang/orcalab-tabletop-cleanup",
    repo_type="dataset",
    local_dir="downloads/orcalab-tabletop-cleanup",
)
```

### ModelScope

```python
from modelscope import dataset_snapshot_download

dataset_dir = dataset_snapshot_download(
    "jessy888/orcalab-tabletop-cleanup",
    local_dir="downloads/orcalab-tabletop-cleanup",
)
```

请下载完整目录，以同时取得 Parquet、元数据和视频。对于 LeRobot 数据，建议使用快照下载，而非将其仅当作一个普通表格通过 `MsDataset.load()` 读取。

## 与机器人项目一起使用

取得代码和模型后，在代码仓库的 `orcalab.config.json` 中配置：

- `dataset`：指向本仓库下载后的根目录，用于策略标定。
- `checkpoint`：指向配套策略模型目录。
- `models_root`：指向包含 `SmolVLM2-500M-Video-Instruct` 子目录的本地主干父目录。

完整仿真示例还需要单集回放样本。当前代码按 `<data_root>/lerobot/pick_medbox/20261031_134511` 查找该样本，应将 `examples/pick-medbox-sample-1ep/` 的内容复制到该目录。主训练集默认安装位置为 `<data_root>/lerobot/pick_medbox_all2/`。先按代码仓库的当前运行说明配置，再执行采集、回放或推理。

## 数据质量与使用边界

本数据来自仿真，不是真实机器人采集。主数据共26个视频文件，单集样本共3个；已完整解码核查，集数、帧数、索引、视频片段引用以及状态/动作有限数值检查通过。

原 `meta/stats.json` 中部分标准差与 Parquet 全量 float64 重算存在偏差，当前发布保留原值以保持与既有模型归一化参数的对应关系。请勿直接覆盖统计量后假定模型行为不变；重算、重训或调整预处理应建立新版本并验证。

当前没有独立验证/测试划分，也未提供覆盖全部示范的成功标签。固定场景上的表现不能解释为未知场景或实机泛化能力。`CHECKSUMS.sha256` 覆盖40个原始数据文件，包括主训练集和样本，不含本次新增的说明和截图。

## 来源、支持与许可

本数据属于 [OrcaLab Service Robot](https://github.com/Jessy-Huang/orcalab-service-robot) 项目。项目开发获得[松应科技](https://www.orca3d.cn/)的经费支持，仿真工作流基于 OrcaLab 构建。

代码仓库的原创代码与文档采用 MIT 许可；本数据集尚未单独指定数据开放许可证，代码许可不自动延伸到数据集。OrcaLab 场景所引用的第三方资产本体不在本仓库中，其使用需遵守对应资产授权。