数据集介绍
BridgeData V2 (2023) 是由加州大学伯克利分校研究团队发布的大规模、多样化机器人操作数据集。该数据集在前代Bridge Dataset的基础上大幅扩展，专门设计用于支持可扩展机器人学习研究。数据集收集了超过6万条示范轨迹，覆盖多种环境和技能类型，致力于使在该数据集上训练的策略能够泛化到新的实验室环境、新物体甚至跨机构使用。
- 任务时序长度：以短程任务为主，每个轨迹对应单次操作，平均轨迹长度约为38个时间步。
- 动作可执行性：基于VR遥操作进行低级控制，控制频率为5 Hz，输出7自由度动作命令。
- 时序连续性：以连续RGB-D视频序列形式记录，同时包含对应的动作序列。
- 语言控制：每条轨迹均附带对应的自然语言指令标注，支持语言条件控制。
主要特点
- 跨环境泛化设计：专为跨环境泛化设计，数据采集自24种不同环境，包含7种不同的玩具厨房场景，支持策略对新环境的迁移。
- 技能多样性突出：覆盖13类操作技能，从基础的拾取放置、推动、清扫，到复杂的环境交互（开关门/抽屉）和精细操作（堆叠积木、折叠布料）。
- 低成本硬件平台：基于低价位、完全公开的WidowX 250机械臂（总成本约$4,000），任何实验室均可复现。
- 标准化训练生态：提供完整的训练代码、预训练权重和硬件搭建指南，极大降低了研究门槛。
- 多方法兼容性：数据集设计兼顾多种学习范式，支持语言条件模仿学习、目标条件模仿学习以及离线强化学习等多种方法。
数据来源
- 采集平台：基于WidowX 250 6自由度机械臂，搭配RGB-D相机和VR控制器（Oculus Quest 2）进行遥操作采集。
- 采集环境：24种不同环境，包含7种玩具厨房场景、办公室环境等，具有物体位置、相机位姿、光照等多维度变化。
- 数据形式：全部为真实物理环境遥操作采集数据，包含RGB图像（640×480）、深度信息及动作序列。
规模
- 总示范轨迹：60,096条轨迹，其中50,365条为遥操作示范数据，9,731条为脚本化策略采集数据。
- 环境数量：24种不同的操作环境。
- 技能类别：覆盖13类不同的操作技能。
- 轨迹特征：平均轨迹长度为38个时间步。
应用场景
数据集覆盖广泛的基础操作技能和部分复杂任务，特别适合需要跨环境、跨物体泛化的机器人学习研究：
- 基础操作技能学习：拾取放置、推动、清扫、擦拭等基础操作任务的大规模训练。
- 环境交互操作：开关门、开关抽屉等需要与环境结构交互的任务。
- 精细操作任务：堆叠积木、折叠布料、清扫颗粒介质等复杂操作任务。
- 跨机构研究：由于采用低成本开源硬件平台，不同实验室均可使用该数据集进行研究，支持结果的交叉验证。
官方网站
- 项目主页：https://rail-berkeley.github.io/bridgedata/
- 代码仓库：https://huggingface.co/agibot-world
