nosuke113/libero-plus-deduplicated

LIBERO-plus Deduplicated Dataset

This is a deduplicated version of the original lerobot/libero_plus dataset, used for training the pi0.5 LIBERO-plus LoRA model.

lerobot/libero_plus から重複するエピソードを排除したデータセットです。pi0.5 LIBERO-plus LoRA モデルの学習に使用されました。

Data Split Methodology / データ分割手法

The validation set was carefully constructed to prevent data leakage. Since the original dataset contains identical physical trajectories artificially augmented with different visual appearances, a simple random split would result in the model evaluating on physical trajectories it has already seen during training, leading to an artificially low validation loss.

To address this, we computed a SHA-1 hash over the full action sequence of each episode. Episodes sharing the same action hash (i.e., identical physical trajectories) were grouped together. The train/val split was then performed at the trajectory level, ensuring that all episodes belonging to a specific physical trajectory are placed entirely in either the training set or the validation set.

This strict trajectory-level separation means the model's validation loss accurately reflects its ability to generalize to unseen physical demonstrations, rather than just memorizing seen trajectories with different textures or lighting.

元データセットには同一の物理軌道を視覚的に拡張した複製エピソードが多数含まれています。単純なランダム分割では、学習済みの物理軌道が検証データセットに混入（リーク）し、過学習を正しく検知できなくなります。

これを防ぐため、各エピソードの行動系列全体の SHA-1 ハッシュを計算し、同一のハッシュを持つエピソード（＝同一の物理軌道）をグループ化しました。そして、train/val の分割を軌道単位（Trajectory-level）で行い、同じ軌道の全バリエーションが必ず学習用か検証用のどちらか一方にのみ含まれるようにしました。

この厳密な分離により、検証ロスは「見たことのある軌道の色違い」に対するスコアではなく、完全な「未知の物理軌道」に対する汎化性能を正確に示すものとなっています。

Training Details / 学習パラメータ

Item / 項目	Value / 値
Dataset	nosuke113/libero-plus-deduplicated (deduplicated: 8,395 episodes / 1,681 trajectories)
Data Split	Trajectory-level held-out (train: 1,376 traj / 6,873 ep, val: 154 traj / 767 ep, overlap: 0)

License

Original dataset MIT License (Inherited from original LIBERO repository). Model weights derived from Gemma are subject to Google Gemma Terms of Use. This dataset repository is provided under Apache 2.0.