该数据集由 Psi-Robot 团队于 2025 年创建，其研究背景源于灵巧抓取在杂乱场景下的高成功率需求，特别是在未见过的物体、光照及背景组合下实现超过 90% 的成功率，相关论文成果为「DexGraspVLA: A Vision-Language-Action Framework Towards General Dexterous Grasping」。此框架采用预训练的视觉-语言模型作为高层任务规划器，并学习基于扩散的策略作为低层行动控制器，其创新之处在于利用基础模型实现强大的泛化能力，并使用基于扩散的模仿学习获取灵巧行动。 这是一个包含 51 个人类演示数据样本的小型数据集，用于了解数据和格式，以及运行代码体验训练过程。

Citation

@misc{zhong2025dexgraspvla, title={DexGraspVLA: A Vision-Language-Action Framework Towards General Dexterous Grasping}, author={Yifan Zhong and Xuchuan Huang and Ruochong Li and Ceyao Zhang and Zhang Chen and Tianrui Guan and Fanlian Zeng and Ka Num Lui and Yuyao Ye and Yitao Liang and Yaodong Yang and Yuanpei Chen}, year={2025}, eprint={2502.20900}, archivePrefix={arXiv}, primaryClass={cs.RO}, url={https://arxiv.org/abs/2502.20900}, }