wangdai/simforge-cartesian-recovery-demo-v01

SimForge Cartesian Recovery Demo v0.1.1

Dataset Summary / 数据集简介

A small, fully synthetic MuJoCo dataset of a Cartesian parallel gripper recovering an opaque cylinder after slip, pose-offset, and drop disturbances. It contains three episodes, 240 synchronized time steps, two RGB camera views, geometric depth, object masks, normals, simulator states, and position-control actions. This is a pipeline and research demonstration, not a real-robot benchmark or a large-scale policy-training corpus.

本数据集记录简化笛卡尔滑台与双指夹爪在圆柱物体受到滑移、位姿偏移及掉落扰动后，重新抓取并放置到桌面目标区的过程。所有图像、轨迹和标注均来自仿真。数据适合机器人数据读取、故障阶段识别、恢复轨迹分析及模仿学习管线的小规模实验。

这是 SimForge v0.1.0 生成的单任务样品，不包含后续版本新增的机床、料箱、齐套配料、透明物体或其他业务场景。

Key Facts / 核心信息

项目	内容
数据来源	全合成 MuJoCo 物理仿真
生成程序	simforge-workshop 0.1.0
仿真引擎	MuJoCo 3.16.0（episode记录）
生成时间	2026-10-22 11:59:51 UTC（provenance记录）
任务	recover cylinder after disturbance
本体	simforge_cartesian_gripper_v1；三轴直线滑台、双指夹爪
目标物体	不透明刚性圆柱；半径0.022 m、高度0.070 m、质量0.1 kg
轨迹数	3
时间步	240；每条80
频率	20 Hz
时长	每条80帧对应4秒采样窗口；轨迹合计12秒
视角	front、side，同步双视角
RGB分辨率	320×240
RGB观测	480张源PNG；不能将双视角计为480个独立时间步
状态 / 动作维度	23 / 5
几何标签	每视角每帧的深度、目标掩码、法线
划分	train包含全部3条；无validation/test
原始包体积	607,934,041字节，约607.93 MB / 579.77 MiB，不含本卡片
原始文件数	2,899
格式	LeRobot v3风格Parquet/MP4导出，加源JSON/PNG/NPY/MJCF XML

每个视角的MP4包含全部3条轨迹，240帧、12秒；两份视频是同一组轨迹的不同视角，不是24秒独立行为数据。单条轨迹时间戳为0至3.95秒，按0.05秒间隔采样。

Episode Coverage / 轨迹与故障覆盖

Episode	随机种子	扰动	检测故障帧	恢复起始帧	最终成功标记	最终位置误差
0	42	slip	23	27	true	1.400 mm
1	43	pose_offset	23	27	true	2.981 mm
2	44	drop	23	27	true	1.385 mm

帧编号从0开始。源记录中扰动指令在第21帧发出，故障检测帧与扰动指令帧不是同一个概念。meta/accepted_pairs.json包含 [0, 1, 2]。

240个时间步的阶段分布：normal 63、failure 18、recovery 51、success 108。阶段数量不乘相机数。三条轨迹最终均恢复成功，因此这个包没有最终恢复失败的负例轨迹；轨迹内部仍包含故障阶段。

“3/3恢复成功”仅描述当前三次仿真记录，不是策略泛化成功率或真机效果。

Repository Structure / 仓库结构

本卡片对应保留原包目录层级的上传方式：将原文件夹的内容上传到仓库根目录，再将本卡片作为根目录README.md。

README.md                         # 本数据集卡片
config.json
manifest.json
provenance.json
dataset/                          # LeRobot导出根目录
  README.md                       # 原始简短说明
  data/chunk-000/file-000.parquet  # 240行时间步记录
  meta/
    info.json
    stats.json
    quality.json
    accepted_pairs.json
    tasks.parquet                 # 1行任务
    episodes/chunk-000/file-000.parquet # 3行轨迹索引
  videos/
    observation.images.front/chunk-000/file-000.mp4
    observation.images.side/chunk-000/file-000.mp4
episodes/
  episode_000000/                  # 另有000001、000002
    episode.json
    scene.xml
    rgb/{front,side}/*.png
    depth/{front,side}/*.npy
    depth/{front,side}/*.png
    depth_preview/{front,side}/*.png
    mask/{front,side}/*.png
    normal/{front,side}/*.npy

文件统计：1,920 PNG、960 NPY、3 Parquet、2 MP4、10 JSON、3 XML、1原始README。PNG由RGB、毫米深度、深度预览、掩码组成，各480张；NPY由米制深度和法线组成，各480份。

顶部YAML只把逐帧数据Parquet配置为train，避免将任务表和episode元数据表混入训练行。Hub表格预览不会因此自动将外置MP4解码成逐帧图像。

Data Fields / 字段字典

字段	类型 / 形状	含义
observation.state	float32[23]	qpos[12]拼接qvel[11]，包含物体真值，不是纯机器人本体观测
action	float32[5]	stage_x、stage_y、stage_z、left_close、right_close绝对位置伺服目标，单位m
observation.object_pose	float32[7]	物体世界坐标位置xyz及四元数wxyz，属于仿真真值
timestamp	float32	episode内部时间，秒
frame_index	int64	episode内部帧号，0—79
episode_index	int64	轨迹编号，0—2
index	int64	全局时间步编号，0—239
task_index	int64	任务表索引；此包全部为0
annotation.failure	bool	当前帧故障标记
annotation.success	bool	当前帧成功标记，不等同于整条episode的最终成功
annotation.phase	string	normal / failure / recovery / success
annotation.failure_type	string	slip / pose_offset / drop
annotation.valid_recovery_pair	bool	该帧所属轨迹是否在接受恢复配对列表中
observation.images.front	外置video，[240,320,3]	正面相机，定义于info.json及视频索引，不是Parquet内的图像列
observation.images.side	外置video，[240,320,3]	侧面相机，组织方式同上

图像shape的顺序是height、width、channels。视频编码H.264，yuv420p，无音频。视频有损压缩；像素级工作应使用源PNG和NPY。

observation.state[0:5]为滑台/夹指关节位置，[5:12]为物体xyz+wxyz；后续11项为速度。根据MJCF关节顺序，机器人5个关节速度在[12:17]，其余是物体自由关节速度。若任务只允许本体观测，应显式选择允许的分量并核对控制约定，不要把原23维state直接解释为真实机器人传感器数据。

观测在时刻t记录，动作作用于 [t, t+1/fps)。外部扰动力在源episode的disturbance_wrench中单独记录，不是5维机器人动作的一部分。源JSON还包含接触计数、恢复子阶段、故障注入参数、相机标定及最终误差。

几何标签与坐标

• depth_gt：float数组、米制相机z深度、几何第一表面；不是RGB-D传感器实测值，也不是光线长度。
• depth_mm：毫米深度PNG；精度分析优先使用米制NPY。
• depth_preview：可视化预览，不作训练深度真值。
• mask：目标圆柱二值掩码，0/255；不提供所有物体的实例标注。
• normal：由反投影几何深度的有限差分计算；其坐标/朝向使用前应核对生成实现。
• 位姿四元数为wxyz。相机约定为MuJoCo/OpenGL：+X向右、+Y向上、−Z向前。
• 内参与外参保存在各episode的camera_calibration；内参fx=fy≈312.610688，cx=159.5，cy=119.5。

Loading / 使用方法

读取Hub上的数值和标注表

from datasets import load_dataset

# Replace with the actual repository ID after publication.
ds = load_dataset("wangdai/simforge-cartesian-recovery-demo-v01", split="train")
print(ds[0]["action"])

这段调用依赖本卡片的data_files配置，读取逐帧Parquet，不自动组装视频、深度或法线。v0.1.1从原始三轨迹包重建；图像、数组、视频及逐帧字段完成本地一致性检查。

本地读取完整包

from pathlib import Path
import json
import numpy as np
import pyarrow.parquet as pq
from PIL import Image

root = Path("path/to/downloaded/repository")
table = pq.read_table(root / "dataset/data/chunk-000/file-000.parquet")
episode_dir = root / "episodes/episode_000000"
episode = json.loads((episode_dir / "episode.json").read_text(encoding="utf-8"))
frame = episode["frames"][0]
rgb = Image.open(episode_dir / frame["images"]["front"])
depth = np.load(episode_dir / frame["labels"]["front"]["depth_gt"], allow_pickle=False)
print(table.num_rows, rgb.size, depth.shape)  # 240, (320, 240), (240, 320)

本地上述读取路径和数值对齐已核验。使用LeRobot时，导出根目录是仓库内的dataset/，不是仓库根目录；应使用支持v3布局的加载器并显式配置本地root。此次未重新运行官方LeRobot加载器，不声称所有版本兼容。

Creation and Validation / 生成与检查

MuJoCo执行刚体接触和恢复控制，源MJCF包含0.002秒物理步长。随机种子为42、43、44；初始平面位置、接触摩擦等差异记录在episode中。恢复控制器读取物体仿真真值，是oracle控制器。

2026-10-24对原文件进行了读取检查：480张RGB和480组标签可读取，尺寸符合声明，深度有限且非负，法线有限，掩码为0/255；240行Parquet的动作、状态、位姿、时间戳及阶段/布尔标记与源JSON对应；两个MP4均成功解码240帧，20fps、320×240。原manifest报告结构与物理验证通过。

上述核验是文件内容与对齐检查，没有重新运行物理仿真，没有训练模型，也没有进行真机迁移实验。physics_validated=true来自生成时记录，不是本轮独立物理真实性认证。

Intended Uses and Limitations / 用途与限制

适合：数据加载与格式对接、双视角同步、故障阶段分析、恢复轨迹可视化、合成监督小样和训练管线冒烟测试。

不适合据此宣称：生产机器人恢复可靠性、未见工况泛化、透明物体传感器模拟、真实深度相机误差分布、大规模VLA训练覆盖或客户收益。

关键限制：

1. 只有3条轨迹和单一圆柱任务，全部为train；没有独立验证/测试集。相邻帧和双视角高度相关，不能当作独立试验。
2. 这是早期23维特权状态格式。物体姿态真值、阶段和成功标签不得作为本应由视觉推断的策略输入，否则会产生信息泄漏。
3. 所有轨迹最终成功，没有最终恢复失败样本；无法据此估计恢复失败率。
4. 不包含真实相机标定后的观测退化、透明/反光光学响应或真实机器人数据。
5. 简化滑台夹爪不是六/七轴工业机械臂；动作不能直接映射到生产机器人。
6. stats.json基于现有train导出；若重新划分数据，应仅使用新的train重新计算归一化统计。

Provenance, License and Attribution / 来源与授权

任务ID：f3fca1d6a49641ad9548280a788a1315。生成记录声明资产由项目程序化构建，未使用TransFrag27K/MimicGen资产。provenance还保存FailSafe、BlenderProc和RoboTwin的参考源码快照信息；存在参考源码记录不等于这些项目产生了本数据，也不等于本数据继承相同许可证。

当前内容为程序化仿真场景，未发现真人图像或实际客户采集记录。此判断来自所检查的数据包，不构成对外部依赖或权属的全面审计。

Dataset Card Contact

数据提供方：北京红白伞科技有限公司；联系人：王先生。电子邮箱：1186868898@qq.com；微信：wangyin2026。公开技术问题优先使用本仓库Discussions；下载及按许可使用无需站外联系。

License scope and provenance / 许可范围与来源

自编数据及文档采用CC BY 4.0，自编代码采用MIT。第三方素材依其原始许可与署名使用，不因本公司发布而变为本公司独占资产。请同时阅读本次审查范围与限制。

v0.1.1 consistency repair / 一致性修复

2026-10-30：从原始三轨迹源包重建，移除当前版本混入的其他实验文件。仅包含train的3条轨迹、240步，不含独立validation/test，不宣称模型泛化或真实工位验收。上一混杂快照保留在legacy-mixed-20261030标签，仅供追溯。完整文件清单及SHA256见RELEASE_MANIFEST.json，检查范围见VALIDATION.json。