---
title: nero-vegetables-to-basket
canonical_url: "https://www.modelscope.cn/datasets/xingchen0928/nero-vegetables-to-basket"
md_url: "https://www.modelscope.cn/datasets/xingchen0928/nero-vegetables-to-basket.md"
repository: xingchen0928/nero-vegetables-to-basket
chinese_name: "Nero蔬菜放置数据集"
last_updated: 2026-09-02
license: Apache-2.0
storage_size: "116 MB"
downloads: 169
stars: 0
---

# nero-vegetables-to-basket

> nero-vegetables-to-basket - xingchen0928 在 ModelScope 开源的数据集。Nero 双臂机器人通过 Pico VR 遥操作采集的蔬菜抓取与放置 LeRobot v3.0 数据集，包含 50 个示范 episode、三路 RGB 相机以及双臂关节和夹爪状态/动作。

xingchen0928/nero-vegetables-to-basket 是 ModelScope 魔搭社区上的数据集，存储大小 116 MB，采用 Apache-2.0 许可。

- **Repository**: xingchen0928/nero-vegetables-to-basket
- **License**: Apache-2.0
- **Storage size**: 116 MB
- **Downloads**: 169
- **Stars**: 0
- **Last updated**: 2026-09-02

Source: https://www.modelscope.cn/datasets/xingchen0928/nero-vegetables-to-basket

---

# Nero蔬菜放置数据集

## 数据集简介

本数据集由 **Nero 双臂机器人**通过 **Pico VR 遥操作**采集，任务是使用双臂将桌面上的全部蔬菜抓取并放入篮子。数据按照 **LeRobot v3.0** 目录与元数据格式保存，可用于双臂模仿学习、视觉—动作策略训练和离线评估。

英文任务指令：

> Use both arms to pick up all the vegetables from the tabletop and place them into the basket. The task is complete when all vegetables are inside the basket and none remain on the tabletop.

## 数据概览

| 项目 | 内容 |
|---|---|
| 机器人 | Nero 双臂机器人（`nero_dual`） |
| 采集方式 | Pico VR 遥操作 |
| LeRobot 格式版本 | v3.0 |
| Episode 数量 | 50 |
| 总帧数 | 41,747 |
| 采样频率 | 30 Hz |
| 任务数量 | 1 |
| 数据划分 | `train: 0:50` |
| 图像分辨率 | 640 × 480 RGB |
| 相机 | `head`、`left_wrist`、`right_wrist` |

## 状态与动作

`observation.state` 和 `action` 均为 16 维 `float32` 向量，字段顺序相同：

1. 左臂 7 个关节位置：`left_joint1.pos` 至 `left_joint7.pos`
2. 左夹爪位置：`left_gripper.pos`
3. 右臂 7 个关节位置：`right_joint1.pos` 至 `right_joint7.pos`
4. 右夹爪位置：`right_gripper.pos`

关节位置单位为弧度，夹爪位置单位为米。Observation 是机器人实测反馈，Action 是本帧发送给机器人控制器的绝对目标位置。

## 图像观测

每帧对应三路 RGB 图像：

- `observation.images.head`
- `observation.images.left_wrist`
- `observation.images.right_wrist`

图像以 MP4 视频分片保存，元数据声明为 H.264。由于数据维护过程中使用了 LeRobot 官方编辑工具，最早的视频分片可能实际采用 AV1，其余分片为 H.264；建议统一使用 PyAV/FFmpeg 解码。

## 时间戳说明

`timestamp` 是每个 episode 内的 LeRobot 相对时间戳，按 `frame_index / 30` 生成。它用于对齐状态、动作与三路视频，不是 Unix 时间或传感器硬件绝对时间戳。

## 文件结构

```text
nero-vegetables-to-basket/
├── data/chunk-000/*.parquet
├── meta/
│   ├── episodes/chunk-000/*.parquet
│   ├── info.json
│   ├── stats.json
│   └── tasks.parquet
└── videos/
    ├── observation.images.head/chunk-000/*.mp4
    ├── observation.images.left_wrist/chunk-000/*.mp4
    └── observation.images.right_wrist/chunk-000/*.mp4
```

## 使用方法

安装与采集端一致的 LeRobot 版本：

```bash
pip install "lerobot==0.4.4"
```

从 ModelScope 下载后，用本地路径加载：

```python
from lerobot.datasets.lerobot_dataset import LeRobotDataset

root = "/path/to/nero-vegetables-to-basket"
dataset = LeRobotDataset(
    repo_id="xingchen0928/nero-vegetables-to-basket",
    root=root,
    video_backend="pyav",
)
print(dataset.num_episodes, dataset.num_frames)
```

训练时建议保留 LeRobot 的 ImageNet 图像归一化统计，并将视频后端设置为 `pyav`。如需客观评估模型泛化能力，请在训练前从 50 个 episode 中固定划分验证集或测试集。

## 数据质量与适用范围

数据包含完整的双臂状态、实际夹爪反馈、发送动作和三路同步视觉观测。该数据集适用于该固定桌面布局与蔬菜放置任务的模仿学习；用于不同机器人、相机位姿或工作空间时，需要重新标定或进行域适配。

## 采集工程

- 控制频率与记录频率：30 Hz
- 数据保存：LeRobot 官方 `record_loop` / `LeRobotDataset`
- 视频：LeRobot 官方视频管线
- 遥操作：Pico VR + Nero 双臂适配器