近年来，随着具身智能赛道的快速发展，机器人控制、视觉感知相关技术的研发迭代对高质量标注数据集的需求持续攀升，垂直场景下的标准化训练数据已经成为制约相关技术落地的核心瓶颈之一。近日，开发者Nhathao04正式对外发布eval_pick_the_charge_n_teleop数据集，该数据集由LeRobot创建，于2026年4月22日首发于HuggingFace平台，主要面向机器人技术领域的研发需求开放。
Nhathao04本次发布的数据集eval_pick_the_charge_n_teleop，该数据集由LeRobot创建，主要用于机器人技术领域。数据集包含10个episodes，共16611帧，涉及1个任务。数据以parquet格式存储，视频文件以mp4格式存储。数据集包含动作、观察状态、图像（来自两个摄像头）、时间戳、帧索引、episode索引、索引和任务索引等特征。动作和观察状态包括shoulder_pan.pos、shoulder_lift.pos、elbow_flex.pos、wrist_flex.pos、wrist_roll.pos和gripper.pos等6个浮点型数据。图像数据来自两个摄像头，分辨率为480x640，3通道，视频编码为av1，帧率为30fps。
从数据结构来看，该数据集覆盖了机械臂操作全流程的多模态标注信息：标准化的parquet存储格式可大幅降低研发人员的数据解析成本，双视角同步采集的图像数据为视觉感知算法提供了多维度的训练输入，6个核心关节的高精度位置数据则可直接用于机械臂运动控制模型的监督学习，30fps的高帧率AV1编码视频在保证画面清晰度的同时降低了存储负载，适合算法训练过程中的批量调用。
据了解，该类聚焦单任务机械臂操作的数据集，可广泛应用于多个机器人研发场景：在机械臂自动化抓取领域，研发人员可基于时序化的关节位置数据训练路径规划、力控调节模型，提升不规则物品抓取的成功率；在视觉感知方向，双视角图像数据可支撑目标检测、姿态估计、深度估计等算法的效果验证，优化机器人对操作环境的感知精度；在人机遥操作场景，完整的episode全流程数据还可用于操作意图预判、动作延迟补偿等功能的研发，降低远程机器人操作的专业门槛。
当前，全球数据要素市场正持续向垂直细分领域渗透，人工智能开源数据集作为核心的数字公共资源，对降低行业研发成本、加速技术落地具有重要作用。本次eval_pick_the_charge_n_teleop数据集的开放，为机器人抓取、遥操作细分场景的研发提供了标准化的训练基准，也为后续相关领域的数据集建设提供了参考范式。
查看eval_pick_the_charge_n_teleop
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)