逐字段读懂state与actionOpenLET具身智能挑战赛18/21维观测与36/39维动作空间全解析正在准备OpenLET 具身智能挑战赛Embodied-Data-Manipulation-Challenge的算法方案却被数据集里的 state、action 字段劝退了本文带你逐字段读懂 OpenLET 具身智能挑战赛的观测与动作空间单臂任务 18 维观测 / 21 维动作、双臂任务 36 维观测 / 39 维动作到底各是什么、从哪个文件查到定义、数值范围如何核对一篇讲透。 核心结论先放这里机器人是kuavo-5w人形平台双臂 7 自由度 双手 11 自由度基础动作 10 fps 采集observation.state单臂 18 维 / 双臂 36 维全部是关节角弧度action在 state 基础上多 3 维即基座速度vx、vy、vyaw字段定义不用猜全部写在各任务的 info.json 里一文教你用数据集总览3个真实工业任务 × 2个采集批次仓库按任务组织数据共 3 个任务每个任务下还有20261015日期子目录的第二批采集数据任务含义state 维度action 维度相机数500 批次帧数task1_parts_pick零件拾取18212头部右手腕237,813task2_box_move搬运箱子36393头部双腕294,678task3_loop_feed循环上料18212头部右手腕316,791规律一目了然只有右臂参与的任务task1、task3是 18/21 维双臂协同的 task2 是 36/39 维维度 单臂维度 × 臂数 3 维基座速度。 注意20261015子目录是新一批数据task1/task2 均为 200 集、36/39 维双臂采集task3 仍是 18/21 维。做数据加载时注意选对目录。一步到位找到字段定义info.json 速查表每个任务目录下的 meta/info.json 就是数据集的字段说明书LeRobot v3.0 格式关键信息codebase_version: v3.0、robot_type: kuavo-5w、fps: 10features每个字段的数据类型dtype、形状shape、逐字段名namesdata_path/video_pathparquet 与视频文件的命名规则以 task1 为例sim/task1_parts_pick/meta/info.jsonobservation.state: { dtype: float32, shape: [18], names: {...} } action: { dtype: float32, shape: [21], names: {...} }想知道 18 维里每一位是什么直接看state_names数组即可无需任何猜测。observation.state 逐字段拆解18维是711结构state 全为float32关节角单位弧度。单臂 18 维 7 维机械臂 11 维灵巧手序号字段名含义1~7zarm_r1_link~zarm_r7_link右臂 7 个关节角8~18right_sg100_1~right_sg100_11右手 11 个关节角双臂任务task2的 36 维sim/task2_box_move/meta/info.json则在前面拼接左臂 18 维段字段说明0~17zarm_l1_link~zarm_l7_link、left_sg100_1~left_sg100_11左臂 7 关节 左手 11 关节18~35zarm_r1_link~zarm_r7_link、right_sg100_1~right_sg100_11右臂 7 关节 右手 11 关节⚠️ 新手高频坑左右臂顺序在前左臂字段排在右臂前面做特征对齐时别写反了。action 逐字段拆解多出来的3维 vx / vy / vyaw 是什么action 的字段名与 state 一一对应单臂 21 维 18 维关节 3 维基座双臂 39 维 36 维关节 3 维基座末尾固定的 3 维是人形机器人基座底盘控制量字段含义vx前进方向线速度vy侧向线速度vyaw绕竖直轴的转向角速度yaw rate也就是说模型输出 21/39 维动作时前 18/36 维控制手臂与手的关节目标位形最后 3 维指挥机器人整体移动与转向——这在搬运箱子循环上料这类需要走位的任务里至关重要。视觉观测三路 480×640 AV1 视频流除数值字段外每个任务还带observation.images.*视频观测信息见各 info.json 的info块相机命名覆盖任务头部相机observation.images.head_cam_h全部 3 个任务左手腕相机observation.images.wrist_cam_l仅 task2双臂任务右手腕相机observation.images.wrist_cam_rtask1、task2、task3统一规格3 通道 RGB480×64010 fpsAV1 编码yuv420p无音频、非深度图。视频文件按videos/{相机名}/chunk-000/file-000.mp4规则存放例如 sim/task1_parts_pick/videos/observation.images.head_cam_h/chunk-000/file-000.mp4。用 stats.json 核对字段数值范围归一化必备写预处理前建议先查 meta/stats.json——它对每个字段统计了min / max / mean / std / count及q01~q99分位数关节类字段state/action数值集中在约 [-1.86, 1.97] 弧度即约 ±110°符合真实关节限位做 min-max 或 z-score 归一化时可直接参考这里的统计量图像类字段已归一化到[0, 1]mean 约 0.34~0.38标量字段timestampfloat32 秒、frame_index/episode_index/index/task_indexint64用于对齐帧与 episode 小技巧用任意 parquet 读取库打开 sim/task1_parts_pick/data/chunk-000/file-000.parquet列名与 stats.json 的 key 完全一致可直接验证。新手上手三步清单从目录到可用的数据集1️⃣定任务与批次确认用顶层目录500 集还是20261015子目录200 集新批次对应 sim/task2_box_move/20261015/meta/info.json2️⃣读字段定义打开该任务的meta/info.json按features拿到每个字段的 shape 与 names确认你的网络输入层维度是 18/21 还是 36/393️⃣验证数值用data/chunk-000/file-000.parquet抽几帧对照stats.json检查关节角范围±2 弧度内与图像范围[0,1]是否符合预期✅ 按这三步任何一份新采集数据都能在 10 分钟内完成字段对账避免维度错配导致模型训练直接报错。写在最后OpenLET 具身智能挑战赛的数据遵循 LeRobot v3.0 规范字段定义、帧数、相机规格全部透明可查18/36 维 state 是关节角21/39 维 action 关节 基座三自由度速度。把 info.json 和 stats.json 当作字典逐字段读懂观测与动作空间你的打榜方案才算真正跑在正确的输入之上。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考