数据集

GR00T X Embodiment Sim

nvidia/PhysicalAI-Robotics-GR00T-X-Embodiment-Sim

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:Creative Commons Attribution 4.0 上游版本:ea7ac0b68f87

中文简介

GR00T X Embodiment Sim 是 NVIDIA 发布方提供的机器人仿真轨迹集合,用于多种机器人形态和任务的后训练研究。固定 README 列出人形桌面操作、下采样集合和机械臂厨房操作等数十万条轨迹,适合具身智能数据管线验证。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

数据定位:这是用于 GR00T N1 后训练的多 embodiment 仿真轨迹集合。固定卡片按人形桌面、下采样和机械臂厨房等任务列出数十万条轨迹。

工程重点:API 记录约 1.70 TB、近 9.8 万个文件。大量小文件会放大列目录、下载重试和校验成本,应按机器人与任务子目录分批生成 manifest,而不是只核对总大小。

安全边界:仿真动作不能直接视为真实机器人安全指令。任何实机使用都需重新定义动作、速度、力、碰撞和急停限制;本站只协助数据版本与交付,不参与设备控制。

已有简体中文译文 · Codex 基于固定版本上游 README 编写;待人工复核 · 2026-08-07 23:24

PhysicalAI-Robotics-GR00T-X-Embodiment-Sim Github Repo: Isaac GR00T N1 We provide a set of datasets used for post-training of GR00T N1. Each dataset is a collection of trajectories from different robot embodiments and tasks. Cross-embodied bimanual manipulation: 9k trajectories | Dataset Name | #trajectories | | - | -| | bimanual_panda_gripper.Threading | 1000 | | bimanual_panda_hand.LiftTray | 1000 | | bimanual_panda_gripper.ThreePieceAssembly | 1000 | | bimanual_panda_gripper.Transport | 1000 | | bimanual_panda_hand.BoxCleanup | 1000 | | bimanual_panda_hand.DrawerCleanup | 1000 | | gr1_arms_only.CanSort | 1000 | | gr1_full_upper_body.Coffee | 1000 | | gr1_full_upper_body.Pouring | 1000 | Humanoid robot tabletop manipulation: 240k trajectories | Dataset Name | #trajectories | | - | -| | gr1_arms_waist.CanToDrawer | 10000 | | gr1_arms_waist.CupToDrawer | 10000 | | gr1_arms_waist.CuttingboardToBasket | 10000 | | gr1_arms_waist.CuttingboardToCardboardBox | 10000 | | gr1_arms_waist.CuttingboardToPan | 10000 | | gr1_arms_waist.CuttingboardToPot | 10000 | | gr1_arms_waist.CuttingboardToTieredBasket | 10000 | | gr1_arms_waist.PlaceBottleToCabinet | 10000 | | gr1_arms_waist.PlaceMilkToMicrowave | 10000 | | gr1_arms_waist.PlacematToBasket | 10000 | | gr1_arms_waist.PlacematToBowl | 10000 | | gr1_arms_waist.PlacematToPlate | 10000 | | gr1_arms_waist.PlacematToTieredShelf | 10000 | | gr1_arms_waist.PlateToBowl | 10000 | | gr1_arms_waist.PlateToCardboardBox | 10000 | | gr1_arms_waist.PlateToPan | 10000 | | gr1_arms_waist.PlateToPlate | 10000 | | gr1_arms_waist.PotatoToMicrowave | 10000 | | gr1_arms_waist.TrayToCardboardBox | 10000 | | gr1_arms_waist.TrayToPlate | 10000 | | gr1_arms_waist.TrayToPot | 10000 | | gr1_arms_waist.TrayToTieredBasket | 10000 | | gr1_arms_waist.TrayToTieredShelf | 10000 | | gr1_arms_waist.WineToCabinet | 10000 | Humanoid robot tabletop manipulation - downsampled: 24k trajectories | Dataset Name | #trajectories | | - | - | | gr1_unified.PnPBottleToCabin

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合机器人策略后训练、不同 embodiment 的数据统一、轨迹读取与仿真研究。项目应先选具体机器人和任务子目录验证 schema、动作空间、传感字段与坐标定义;不应在不了解硬件映射时把仿真动作直接用于真实机器人。

规模与格式

固定版本:ea7ac0b68f87da62f1e726771bba0fe74300802f。任务字段:robotics。固定 README 列出 240K 人形桌面操作轨迹、24K 下采样轨迹和 72K 机械臂厨房操作轨迹,并按 embodiment 与任务目录组织。

文件说明

Hugging Face API 记录 97,956 个文件,used_storage 约 1.70 TB,本站文件元数据清单已截断。大量小型 episode Parquet 文件会带来 inode、并发请求和校验开销;交付前必须按子目录导出完整 manifest,不能只核对总容量。

上游文件元数据

  • .gitattributes9.29 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000000.parquet86.45 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000001.parquet85.49 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000002.parquet127.32 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000003.parquet91.99 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000004.parquet91.90 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000005.parquet93.55 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000006.parquet91.96 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000007.parquet107.76 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000008.parquet92.01 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000009.parquet85.43 KB
  • bimanual_panda_gripper.Threading/data/chunk-000/episode_000010.parquet94.57 KB

硬件建议

处理近十万个文件时,元数据扫描和随机 I/O 可能比顺序吞吐更先成为瓶颈。建议使用支持并发读取的对象存储或 NVMe 缓存,按 embodiment 分批校验,并为转换后的训练格式预留额外空间。真实机器人测试还需要独立安全设施。

注意事项

仿真轨迹到真实设备存在域差异,真实机器人执行必须另设速度、力、空间、碰撞和急停安全边界。CC BY 4.0 要求归属;训练得到的模型是否适用于现场仍需独立验证。本站只处理文件信息和交付,不远程控制机器人。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。