当前，具身智能已成为全球人工智能产业落地的核心赛道之一，而垂直场景下的高质量、高标注行为数据集，是制约具身智能算法迭代、产品规模化落地的核心瓶颈。作为全国数据要素市场化配置改革的先行试点，浙江省搭建的数据知识产权登记平台，是承担全省数据知识产权权属存证、登记公示、流通对接职能的官方基础设施，为数据资源的确权、合规流通提供了制度保障。
2026年5月25日，浙江杭绍具身智能科技创新有限公司旗下智慧办公中的文件整理场景的具身智能数据集，正式在该平台完成数据知识产权登记。
本数据集面向家用及轻商用服务机器人在智慧办公场景中的应用需求，聚焦文件整理与归档作业这一办公场景高频精细操作任务，系统采集机器人在实际作业过程中形成的末端执行器运动轨迹、空间位姿、夹持与释放状态、操作时序信息以及与办公桌面环境、文件袋、纸质文件等办公物品交互相关数据，真实反映智慧办公环境下文件整理归档作业的操作流程与动作特征。相关数据可用于支撑服务机器人文件整理归档作业流程建模、抓取放置动作复现、操作路径优化及作业稳定性验证，提升机器人在复杂办公环境中的精细操作能力、任务执行稳定性及动作一致性，为智慧办公机器人产品研发、系统集成及规模化应用推广提供基础数据支撑。
本次登记的数据集从采集、处理到算法应用已形成完整的标准化体系：
1. 数据采集
数据来源为机器人本体控制系统、视觉感知系统及多类型传感器采集系统，采集的基础数据以“控制周期帧”为最小时间粒度，结合全局控制频率（fps，帧/秒）与视觉采集频率（camera_fps，帧/秒）进行同步记录，末端执行器采用Omnipicker。采集字段主要包括：机器人末端执行器空间位置与姿态数据、关节状态数据、动作控制指令数据、多视角视觉感知数据、机器人本体位姿数据及作业任务语义信息等，上述数据构成机器人具身操作行为建模及算法训练的基础数据来源。
2. 数据处理
研发团队对采集到的原始机器人操作数据进行了清洗、校准及标准化处理：首先完成异常与无效数据清理，去除传感器丢帧、通信异常、动作指令丢失及状态跳变异常数据，确保分析对象为真实有效的机器人作业过程数据；随后开展帧同步处理，基于timestep（单位：步）与fps 建立统一时间轴，对视觉数据、状态数据及动作数据进行时间对齐，确保数据满足时序因果关系要求。
3. 轨迹学习
算法以机器人历史操作数据为训练基础，将机器人在时刻t的本体状态向量 S(t)与环境视觉感知特征向量V(t)进行融合建模，通过基于专家示教数据的模仿学习或行为克隆方法，利用深度时序策略网络学习专家操作轨迹特征，构建控制策略函数 F，实现机器人动作决策预测：
A(t+1)=F(S(t),V(t))
其中：
S(t)：机器人状态向量(state相关字段)，包括关节状态、末端位姿、执行器状态等；
V(t)：环境视觉感知特征（photo、video相关字段），包括图像特征、视频时序特征等；
F：为基于深度时序建模网络（如Transformer、Diffusion Policy 或RNN类结构）构建的控制策略模型；
A(t+1)：（action相关字段）机器人下一时刻动作控制向量。
从应用价值来看，该数据集除了可直接用于智慧办公服务机器人的精细操作训练外，还可根据场景需求迁移至家政服务机器人桌面物品归置、小型仓储轻量货品分拣等场景的算法研发，进一步拓展具身智能产品的落地边界。本次数据知识产权登记的完成，也为该数据集后续的合规授权、市场化流通提供了权属依据，既保护了研发企业的智力成果权益，也降低了下游研发机构使用数据的合规风险，为具身智能领域数据要素的规范化流通提供了可参考的实践样本。
登记内容：
_1769672084863.jpg)