---
license: apache-2.0
task_categories:
  - robotics
tags:
  - LeRobot
  - GR00T
  - manipulation
  - peg-insertion
  - isaac-sim
  - omnireset
  - ur5e
configs:
  - config_name: default
    data_files: omnireset_peg_insertion/data/*/*.parquet
---

# GR00T 数据集:OmniReset 插孔(peg-insertion)· 可直接微调

用 [OmniReset](https://uw-lab.github.io/UWLab/main/source/publications/omnireset/index.html)
的**状态版 RL 专家(oracle)** 在 Isaac Sim 里跑出的 **UR5e + Robotiq-2F85 插孔**演示,
已打包成 **GR00T 版 LeRobot v2.1** 格式,**可直接喂给 NVIDIA GR00T N1.7 微调**。

> **1000 条成功演示** · 复位状态按 **40 / 30 / 20 / 10** 配方 · 3 路相机(224×224)· 10 fps ·
> ~98% 真实"搬运+插入" · 固定光照 · 物体颜色固定(适合 color-conditioned VLA)。

## 目录结构
```
.
├── README.md                     # 本文件
├── state_distribution.png        # 状态分布 + peg 起始距离图
├── omnireset_peg_insertion/      # ★ 数据集(LeRobot v2.1)
│   ├── data/ videos/ meta/
│   └── meta/reset_type_per_episode.json   # 每条 episode 的复位状态标签
└── finetune/                     # omnireset_config.py + finetune.sh + setup_finetune_zh.md
```

## 数据分布(1000 条,配方 40/30/20/10)

![state distribution](state_distribution.png)

**四种复位状态(初始条件)—— 精确配方**(通过"复用已有 demo + 只补采 ObjectAnywhereEEAnywhere
增量"实现;每条 episode 的标签见 `omnireset_peg_insertion/meta/reset_type_per_episode.json`):

| 复位状态 | 含义 | 数量 | 占比 |
|---|---|---|---|
| `ObjectAnywhereEEAnywhere` | peg 桌上、**未抓取** → 接近+抓取+搬运+插入(最难/最完整) | **400** | **40%** |
| `ObjectAnywhereEEGrasped` | peg 半空、**已抓** → 搬运+插入 | **300** | **30%** |
| `ObjectRestingEEGrasped` | peg 桌上、**已抓** → 抬起+搬运+插入 | **200** | **20%** |
| `ObjectPartiallyAssembledEEGrasped` | peg **已部分插入** → 补完 | **100** | **10%** |

**peg 到孔的起始距离:** 均值 **0.21 m**、中位数 **0.20 m**、最大 **~0.58 m**;右图为直方图。
40% 的 `AnywhereEEAnywhere` 使 peg 起始离孔更远、任务更完整。

> 说明:`AnywhereEEAnywhere` 400 条为**新采集**(精确标签);其余 3 类**复用**先前 1000 条均匀
> 采集的数据并按配方子采样(标签由轨迹几何推断,少量补采)。故 A 类标签精确,G/R/P 为近似。

## 生成耗时(单卡 A40)
- 稳定采集速度 **~35–40 条/分钟**(修好动作尺度 + 关闭 sysid/OSC 增益随机化后,连最难的
  `AnywhereEEAnywhere` 成功率也 ~98%)。
- 本配方**新采集**:400 条 A(~16 分钟)+ 81 条 G/P(~4 分钟)= 约 **20 分钟**;其余复用。
- HDF5 → LeRobot 转换(3000 段视频):~15 分钟。

## 快速开始
```bash
git clone https://github.com/NVIDIA/Isaac-GR00T && cd Isaac-GR00T && uv sync
bash /path/to/finetune/finetune.sh /path/to/omnireset_peg_insertion /tmp/gr00t_omnireset_peg
```
详见 `finetune/setup_finetune_zh.md`。

## 为什么能直接训练(格式对齐)
- **LeRobot v2.1**,`meta/info.json`、`meta/modality.json` 与 GR00T 官方 demo 数据集结构一致,
  `LeRobotSingleDataset` 原生加载。
- **分辨率** 224×224 = GR00T `image_target_size`,无需缩放。
- **动作** 7 维 = 相对末端(OSC)增量 `[0:6]` + 二值夹爪 `[6]`;`single_arm`=RELATIVE、
  `gripper`=ABSOLUTE,契合 GR00T N1.7 相对末端动作空间。**状态** 7 维 = 6 关节角 + 夹爪。

## 生成代码与详细文档
配套仓库 [yqi19/omnireset_reproduce](https://huggingface.co/datasets/yqi19/omnireset_reproduce)
(采集流程、格式转换、OSC 动作空间中文文档)。

## 来源
专家与资产:[UW-Lab/uwlab-assets](https://huggingface.co/datasets/UW-Lab/uwlab-assets)(OmniReset, ICLR 2026);
仿真:NVIDIA Isaac Sim / Isaac Lab;模型:NVIDIA GR00T N1.7。