Berkeley Cable Routing
UC Berkeley
Berkeley Cable Routing 是由 UC Berkeley 发布的线缆穿夹精密操作数据集。
该数据集训练机器人将线缆穿过多个紧密排列的夹子，使用分层模仿学习框架——高层对可复用的视觉运动原语进行排序，低层执行精确操作。系统能自主从故障中恢复，并通过交互式微调适应新场景。
该工作展示了仅需少量演示即可实现鲁棒精密操作的可行性。
机构
UC Berkeley
规模
线缆穿夹，分层模仿学习，自主故障恢复
许可证
MIT
机器人类型
机械臂
任务类型
装配 操作
发布年份
2022
数据模态
视觉、本体状态、动作
🤖 人工遥操作采集✅ 部分人工标注🏠 100%真机📊 无数据划分
数据格式
存储格式RLDS / TFDS
数据规模~5GB
压缩方式gzip
文件布局RLDS 格式，多视角 RGB + 本体状态 + 动作 + 原语标签
索引方式TFDS 内置索引
格式版本TFDS/RLDS
episode
step
observation
action
primitive_label
数据内容
传感器规格
RGB 相机（多视角）
关节编码器
数据统计
场景数桌面
物体数线缆、夹子
任务数线缆穿夹
轨迹/片段数~200
标注信息
引用信息
@article{luo2022cablerouting,
title={Hierarchical Imitation Learning for Cable Routing},
author={Luo, Jianlan and Dong, Siyuan and Schmeckpeper, Karl and Daniilidis, Kostas},
journal={arXiv preprint arXiv:2210.06679},
year={2022}
}