HumanIntent

本仓库集中保存 HumanIntent 在 2026-10-06/07 批次中实际用于 pi0.5 训练的七份冻结数据。 格式为 LeRobot v2.1；包含真实 robot 示范与 AG/AH/OH 三种路线生成的 human replay。 模型 checkpoint 单独存放于 HumanIntent-pi05。

仓库为 public + manual gated：介绍页公开，数据文件需登录、申请访问，由维护者手动审核。 审核通过后，使用自己账号已获授权的 HF 登录状态下载；不要共享访问凭据。

目录与实际规模

目录为 方法/每任务目标robot条数+human条数/。配比是目标数量，实际数量以下表及 dataset_manifest.json 中的逐任务统计为准。没有通过重复 episode 填补缺口。

方法	配比目录	episodes	frames	robot / human 总条数
OH	OH/25+25	300	98,861	150 / 150
OH	OH/10+40	299	134,792	60 / 239
OH	OH/5+45	290	141,085	30 / 260
AG	AG/25+25	300	103,509	150 / 150
AG	AG/5+45	285	146,448	30 / 255
AH	AH/25+25	300	100,019	150 / 150
AH	AH/10+40	300	136,825	60 / 240

合计 2,074 个 recipe 内 episode、861,539 frames。不同配方之间共享部分源示范， 这些合计不能视作独立源轨迹数，也不能直接把七份数据拼成无重叠数据集。 AG 10+40、AH 5+45 没有在本批次生成并用于训练，因此不创建占位数据目录。

每个配方目录结构：

OH/25+25/
├── data/chunk-000/episode_000000.parquet
├── videos/chunk-000/observation.images.cam_high/episode_000000.mp4
├── videos/chunk-000/observation.images.cam_left_wrist/...
├── videos/chunk-000/observation.images.cam_right_wrist/...
├── meta/info.json
├── meta/episodes.jsonl
├── meta/episodes_stats.jsonl
├── meta/source_episodes.jsonl
├── meta/tasks.jsonl
├── meta/validation_receipt.json
├── training/recipe.json
├── training/norm_stats.json
├── checksums.json
└── README.md

原数据文件（含 video validation sidecar 和 .recipe_sha256）按字节保留。 附加的 training/ 保存该配方的冻结 recipe 和独立 norm stats。 checksums.json 给出原数据文件的大小、SHA256 与 Git blob SHA1，便于核验。 历史 metadata 中的服务器路径是 provenance，不要求下载用户在本地创建这些路径。 AG 5+45 从 ROSE CPU 准备副本上传，保留其原始路径相关 receipt；训练实际使用 cartin2 副本。

方法、来源与任务

AG：AG6-4 + T/J/P；AH：该批次 AH 路线；OH：第七版 OH 链路。 三者使用本批次 V0515real common executor，采用 2026-10-06 full-ID 来源范围。 各自精确 source_version、样本 ID、选择顺序和来源哈希保存在 recipe 与 source metadata 中； 不要与 7 月 OursV2 或其他历史 AG/OH 版本混用。

六任务：

• handover_bottle：右臂抓瓶并交给左臂。
• pick_diverse_bottles：双臂分别抓取瓶子。
• place_bread_basket：放面包入篮并抬篮。
• pnp_bread：将两块面包放到蓝盘。
• pnp_tray：左臂红杯、右臂瓶子，放到蓝色托盘。
• stack_cups：将深红和浅红杯叠到绿杯上。

精确训练英文 prompt 和 task_index 以每个目录的 meta/tasks.jsonl 为准。

数据语义与训练使用

• observation.state 与 action 为 14 维 float32 RealTCP pose/gripper，按左臂 7 维、右臂 7 维排列。 每臂字段顺序为 xyz、roll/pitch/yaw、gripper；它们不是 joint-space 命令。
• action 为下一 pose；具体末帧裁切和序列信息保留在导出文件中。
• 三路 RGB：cam_high、cam_left_wrist、cam_right_wrist，480×640。
• fps=50 是本批次导出的 logical tick；源视频经过 remux/retime。 不应据此推断原始采集物理频率或直接按该频率执行真实机器人。
• 只有 train split，没有在本仓库定义独立 validation/test split。
• 原训练使用 OpenPI pi0.5、action horizon 10、batch size 32；各配方 norm stats 独立。 换配方时应同步切换数据 root 和 norm stats。
• metadata 中历史 robot_type=aloha 是原导出字段，精确特征语义以 meta/info.json 为准。

下载单个配方

审核通过并通过 HF CLI 登录后，用以下 Python 方式下载：

from pathlib import Path
from huggingface_hub import snapshot_download

local = snapshot_download(
    repo_id="April-Yang/HumanIntent",
    repo_type="dataset",
    allow_patterns=["OH/25+25/*", "README.md", "dataset_manifest.json"],
    local_dir="./HumanIntent",
)
dataset_root = Path(local) / "OH" / "25+25"
print(dataset_root / "meta" / "info.json")

替换 OH/25+25/* 即可下载其他配方。根仓库收纳七份独立 LeRobot 数据， 不应把仓库根目录直接当作单个 LeRobot dataset root，也不依赖 datasets.load_dataset() 自动拼接。OpenPI/LeRobot 读取时显式指定对应配方的本地 root；原始 repo_id 可在 dataset_manifest.json 中查询。复现实验时建议固定 HF commit revision。

质量边界与授权

本批次对数值有限性、视频帧对齐、文件完整性和实际 CPU DataLoader 做过检查。 生成链路 execution_success、contact 指标以及转换验收不等于真实机器人或自由动力学任务成功； 训练 loss 也不能直接比较不同配方的真实成功率。

本次发布不额外指定或改变数据许可。访问审核不构成独立的再分发许可； 正式使用、再分发和引用要求请向维护者确认。仓库说明没有编造未提供的论文引用或许可证。