当前，具身智能与服务机器人产业正处于快速落地关键期，多模态标注数据集作为机器人算法训练的核心底座，其覆盖场景的丰富度、标注精度直接决定了控制、导航等核心算法的落地效果，行业对垂直场景的高质量开源数据集需求持续攀升。2026年4月22日，开源贡献者imstevenpmwork正式在HuggingFace平台上线由LeRobot创建的super_poulain_dager_1_20260422_112336专用数据集，瞄准机器人控制、视觉导航两大核心研发场景，为行业提供轻量级、高标注质量的训练数据选项。
据公开信息显示，该数据集针对机器人研发场景定制，整体包含1个总剧集、373个总帧数、1个总任务，所有结构化数据采用适合AI训练快速读取的parquet格式存储，结构化数据总大小为50MB，配套采集的视频文件总大小为100MB，视频采集帧率为30fps，可完整还原机器人操作过程中的连续动作与环境变化，避免动态场景下的帧丢失问题。
从标注维度来看，该数据集覆盖了机器人研发所需的多维度核心特征：包含6个关节位置的动作数据与观测状态数据，可直接用于机械臂关节控制算法的训练与效果验证；同步采集的480x640分辨率前视、腕部RGB图像，覆盖了机器人主体视角与操作端近景视角两类核心视觉输入，可支撑视觉导航、目标识别、操作姿态调整等多类计算机视觉算法的研发；除此之外，数据集还同步标注了干预标识、时间戳、帧索引、剧集索引、任务索引等配套字段，方便开发者按需拆分训练集与验证集，其中干预字段可帮助算法区分人工介入操作与机器人自主运行样本，进一步提升模型在真实场景下的鲁棒性。目前该数据集训练分割比例为0:1，数据路径与视频路径均采用标准化格式存储，可直接适配主流机器人算法训练框架，降低开发者的数据预处理成本。
作为轻量化机器人垂直场景数据集，super_poulain_dager_1_20260422_112336的开源可覆盖多类研发需求：可支撑高校科研团队快速验证机器人控制算法的可行性，适合初创团队小样本迭代机械臂精细操作、服务机器人室内导航等方案，也可作为大型数据集的补充样本，优化复杂场景下的模型表现。当前我国数据要素市场建设持续推进，垂直领域开源数据集的开放共享，是降低AI研发门槛、推动技术普惠的重要路径，该类面向细分场景的高质量数据集的持续涌现，也将进一步加快具身智能产业的落地节奏。
查看super_poulain_dager_1_20260422_112336
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)