当前全球具身智能与工业/服务机器人赛道正进入产业化落地关键期，高质量、多维度标注的实采操作数据集，是支撑机器人控制算法迭代、计算机视觉模型训练的核心基础资源，也是当前行业供给缺口较大的核心生产要素。近日，开发者maximhuber正式对外发布so101_cube_smoketest机器人领域数据集，该数据集由LeRobot创建，于2026年4月23日首发于全球最大的AI模型与数据集开源平台HuggingFace，主要面向机器人控制、计算机视觉两大研发场景开放使用。
从公开的数据集参数来看，so101_cube_smoketest围绕单一场景机器人操作任务构建，共包含1个任务、1个连续操作片段，总计600帧采样数据，采样帧率为30fps，可完整覆盖单次标准化机械臂操作的全流程时序信息。数据集总存储规模方面，结构化标注数据文件大小为100MB，采用大数据领域通用的parquet格式存储，方便开发者快速读取、批量处理；配套的原始视频文件大小为200MB，采用通用mp4格式存储，可适配各类CV模型训练pipeline。
在标注维度上，该数据集覆盖了机器人操作全链路的核心特征维度，既包含机器人本体的运行状态数据：6个关节的动作指令数据、6个关节的实时观测状态数据，也包含环境感知数据：分辨率为480x640的RGB三通道夹爪第一视角图像，同时配套了时间戳、帧索引、片段索引三类时序标注信息，可满足时序模型训练的对齐需求。此外，该数据集采用商用友好的Apache-2.0许可证，开发者无需额外授权即可将其用于学术研究、商业化产品研发等各类场景，大幅降低了中小团队的研发准入门槛。
从应用价值来看，so101_cube_smoketest可广泛覆盖机器人控制、计算机视觉两大领域的研发需求：在机器人控制领域，该数据集的关节动作与状态时序数据可用于机械臂轨迹规划算法验证、强化学习奖励函数调试、操作精度仿真测试等场景，帮助开发者快速迭代控制逻辑，降低实机测试的时间与硬件成本；在计算机视觉领域，夹爪第一视角的标注图像可用于目标检测、工件姿态估计、视觉伺服模型训练、抓取点位预测等CV任务，为工业分拣、服务机器人抓取等场景的模型训练提供标准化素材。
作为机器人细分场景的轻量化开源数据集，so101_cube_smoketest的发布也进一步丰富了全球AI数据集的供给矩阵，为数据要素在具身智能领域的开放流通、复用创新提供了新的样本，也有望降低中小研发团队的训练数据获取成本，推动机器人控制与CV技术的落地普惠。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)