RLDS 还是 HDF5：机器人操作数据该用哪种格式（rlds hdf5 robot dataset 选型指南）

武汉精灵巧手机器人有限公司 · 更新于 2026-09-26 · llms.txt

关键词：rlds hdf5 robot dataset, 机器人数据格式 · 阅读约 5 分钟 · 作者：DexHand 团队

读完本文，你能在十分钟内决定自己的灵巧手操作数据该用 HDF5 还是 RLDS 存，以及两者之间怎么转换才不返工。

先分清需求：采集存储和训练分发是两件事

很多团队争论 rlds hdf5 robot dataset 哪个更好，其实是把两个阶段混在了一起。采集阶段关心的是写入吞吐、断电可恢复、随时能打开看一眼；训练分发阶段关心的是 episode 语义清晰、能被主流训练框架直接加载、跨团队不用改代码。HDF5 与 RLDS 分别在这两个阶段各有优势，选型的关键是先确认你现在处于哪个阶段，以及数据最终要交给谁用。

HDF5：面向采集和本地实验

HDF5 是通用的层次化数值容器，一个文件里可以放多个数据集，支持分块、压缩和按切片部分读取。对机器人操作数据来说，这意味着几件具体的事：

• 关节角、力矩、相机帧可以按各自采样率存成独立数据集，不必对齐到同一时间轴后再落盘。
• 单文件、可随机访问，调试时用 h5py 直接切片看某一段轨迹，不需要先构建加载器。
• Python、C++、MATLAB 都有成熟读写库，与 ROS 2 采集节点或 Python SDK 直接对接。
• 缺点是没有统一的 episode/step 约定，字段命名和嵌套结构由各团队自定，跨团队交换时容易出现“同名不同义”。

RLDS：面向 episode 语义和生态互通

RLDS（Reinforcement Learning Datasets）是一种按 episode 与 step 组织数据的规范，核心约定是每个 step 包含 observation、action、reward、discount 以及 is_first / is_last / is_terminal 等标志位。它通常构建在 TFDS 之上，以分片文件形式存储，重点解决的是“数据能否被别人直接用”：

• episode 边界和终止标志是格式的一部分，模仿学习与离线强化学习的加载逻辑不用为每个数据集重写。
• Hugging Face、LeRobot 等社区工具链对这类结构化数据集有现成的转换与加载路径，便于公开发布。
• 代价是写入路径较重，采集端往往需要先缓存再批量转换，不适合在实验室里边采边看。
• 对不需要 reward 字段的纯示教数据，需要按约定填占位值，属于额外但一次性的工作。

一张表看清差异

推荐流程：HDF5 采、RLDS 发

对多数灵巧手团队，务实的做法不是二选一，而是分阶段使用。采集节点把原始信号写入 HDF5，保留原始采样率和未裁剪的相机帧；实验稳定后，用一段转换脚本把 HDF5 中的轨迹切分为 episode，映射到 RLDS 的 observation / action 字段，再导出为可发布版本。执行时有几个要点值得提前定下来：

• 在 HDF5 阶段就为每条轨迹记录起止标志和任务标签，后续切分 episode 不用靠人工回看视频。
• 把 action 定义写进元数据：是目标关节角还是关节角增量、是否归一化，转换脚本和训练脚本都从这里读。
• 相机帧与关节数据的时间戳分别保存，对齐策略放在转换层而不是采集层，方便日后换策略重跑。
• 转换脚本纳入版本管理，让 RLDS 版本能追溯到对应的 HDF5 原始文件。

在 DexHand 工具链里如何落地

DexHand-5F 具有 17 台伺服电机和 17 个主动自由度，通过 EtherCAT 总线由多轴一体伺服驱动塔控制，配套 ROS 2 接口与 Python SDK，可以直接把关节状态和指令流写入 HDF5。与实机 1:1 的虚拟手仿真使用同一控制器，因此在 NVIDIA Isaac Sim、MuJoCo 或 Gazebo 里采集的仿真数据与真机数据可以共用同一套字段定义。我们提供的数据集同时支持 HDF5 与 RLDS 两种格式，并兼容 Hugging Face 与 LeRobot 的加载方式，你可以把它当作字段命名和转换流程的参考模板。

如果想先看看两种格式在真实灵巧手数据上分别长什么样，可以直接到 /downloads/ 领取免费的 10 MB 数据集样本，对照本文的流程试着跑一遍转换。

本文由 DexHand 内容智能体起草、团队审校；事实以产品页与规格表为准。

领取 10 MB 数据集样本数据集即服务