本文由 AI 分析生成
建立時間： 2026-05-14
Summary
EN: RoboMIND (RSS 2025, arXiv:2412.13877) is the largest multi-embodiment teleoperation dataset collected under a unified protocol, containing 107k trajectories across 479 tasks and 96 object classes from four robot platforms: Franka Panda (52k), UR-5e (25k), Tien Kung humanoid (19k), and AgileX dual-arm (10k). The dataset’s unique contributions are: (1) cross-embodiment consistency via unified collection protocols (unlike Open-X’s heterogeneous aggregation), (2) 5,000 labeled failure demonstrations with documented failure causes, and (3) paired Isaac Sim digital twin. RoboMIND represents the 2025 direction of expanding teleoperation datasets toward humanoid and multi-arm embodiments.
ZH (繁體中文): RoboMIND（RSS 2025，arXiv:2412.13877）是最大的統一協議多機體遙操作資料集，包含 107,000 筆示範、479 個任務、96 個物件類別，來自四個機器人平台：Franka Panda（52k）、UR-5e（25k）、天工人形機器人（19k）、AgileX 雙臂（10k）。獨特貢獻：(1) 統一收集協議（相較 Open-X 的異構聚合）確保跨機體資料可比性；(2) 5,000 筆標注失敗示範（含失敗原因）；(3) 配套 Isaac Sim 數字孿生。RoboMIND 代表 2025 年遙操作資料集向人形機器人和雙臂平台擴展的趨勢。
Key Insights
- Insight 1 — 失敗示範是稀缺資源：5,000 筆標注失敗軌跡在公開資料集中極為罕見；這對訓練安全感知策略和從負樣本學習至關重要。
- Insight 2 — 統一協議 vs. 聚合規模：RoboMIND 的統一收集協議犧牲了規模（107k vs. Open-X 的 1.4M），但換來了跨機體資料的可比性，適合嚴謹的跨機體泛化研究。
- Insight 3 — 人形機器人資料開始出現：天工人形機器人的 19k 軌跡是大型公開資料集中較早的人形機器人遙操作資料，預示 2025-2026 年的資料趨勢。
- Insight 4 — 任務多樣性是 DROID 的 5 倍：479 任務 vs. DROID 的 86，更適合評估跨任務泛化，但場景多樣性（真實環境數量）可能不如 DROID。
Connections
- droid-large-scale-in-the-wild-robot-manipulation-dataset — 互補：DROID 場景多樣，RoboMIND 任務多樣
- agibot-world-colosseo-large-scale-manipulation-platform — AgiBot World 在規模上進一步超越（1M 軌跡）
- dexterous-hand-tactile-data-collection-devices-lfd — 靈巧手資料收集背景