随着具身智能产业进入落地攻坚期，工业机器人、服务机器人的场景化适配需求持续攀升，而场景化、高标注质量的训练数据稀缺，一直是制约单臂机器人操作精度、泛化能力提升的核心痛点。尤其是“桌面到推车”这类跨载体转运的高频通用任务，此前行业内缺少同时覆盖视觉信息、关节状态、动作标注的真实场景采集数据集，不少研发团队只能依赖仿真数据训练，容易产生训练与落地的“域差”问题，大幅提升了技术落地的验证成本。
2026年4月22日，AI数据服务商notstrober正式在HuggingFace平台发布can-desk-to-trolley-single-arm数据集，该数据集由机器人领域专业数据团队LeRobot打造，是国内少有的聚焦单臂机器人操作细分场景的开源数据集。本次发布的数据集共包含60个完整任务周期（episodes）、23710帧实采数据，覆盖1个核心操作任务，标注维度覆盖全链条研发需求：既包含6个关节位置的动作标注、6个关节位置的观测状态标注，也同步采集了前视、顶视双视角的480x640分辨率、30fps的图像数据，配套完整的时间戳、帧索引等结构化信息，可实现视觉数据与机器人运动状态的精准对齐，满足不同技术路线的研发训练需求。为进一步降低行业使用门槛，该数据集采用Apache 2.0开源许可证，支持学术研究、商业开发等多场景免费使用，开发者可自由修改、分发数据集内容，无需额外授权。
查看can-desk-to-trolley-single-arm
Dataset card内容：
从行业应用价值来看，该数据集针对的单臂桌面到推车转运任务，是工业生产、仓储物流、公共服务等多个领域的通用刚需场景，基于该数据集训练的算法模型，未来可广泛应用于3C电子制造车间的元器件周转、智能仓储的拆零拣选上料、智慧餐饮的餐品配送、科研实验室的样本转运等场景，也可用于具身智能大模型的细粒度操作能力微调、单臂机器人运动控制算法的仿真验证，有效降低相关领域的研发数据获取成本，缩短技术落地的验证周期，为国内机器人操作领域的技术创新提供重要的数据支撑，也为后续更多细分场景机器人数据集的开源开放提供了参考样本。
Files and versions内容：
_1769672084863.jpg)