近年来，随着工业机器人、人形机器人产业的快速迭代，机器人运动控制、动作评估环节的专用训练数据需求持续攀升。不同于通用视觉数据集，机器人动作评估场景需要同时匹配关节运动参数、多视角视觉观测数据、时序标注信息等多维度数据，研发端对高质量、结构化的专用数据集需求迫切。
近日，人工智能数据集服务商Ready321正式发布eval_act_redcube_dong17_demo数据集，该数据集于2026年4月23日首发上线HuggingFace平台，主要面向机器人行为、动作评估领域提供数据支撑。
据介绍，该数据集基于LeRobot框架创建，涵盖机器人动作数据、多视角观察状态数据、时间戳与索引等多维度信息，整体存储结构分为parquet结构化数据文件与视频文件两类。具体特征维度包含机器人肩部、肘部、腕部等核心关节的位置参数，顶部、腕部、侧面三个视角的480x640分辨率、30fps规格的图像观测数据，以及配套的时间戳、帧索引、任务索引等元数据。目前该数据集共包含10个episodes、5577帧有效数据，覆盖1个标准化任务，其中结构化数据文件大小为100MB，配套视频文件大小为200MB。
从应用方向来看，该数据集可广泛应用于多个机器人研发场景：在工业机械臂研发环节，可作为基准数据集用于动作精度校准、路径规划算法的效果验证，通过对比关节运动参数与预设值的偏差，提升工业装配、物料分拣等场景的作业准确率；在人形机器人研发环节，可支撑上肢动作模仿学习模型的训练，结合多视角视觉数据与关节运动参数的联动标注，优化机器人动作的流畅度与拟人性；在机器人安全测试环节，可用于验证动作评估算法的识别准确率，尤其是不同视角下的动作误差检测能力，降低机器人作业过程中的碰撞、误操作风险。
作为垂直于机器人运动控制领域的公开数据集，本次发布的eval_act_redcube_dong17_demo进一步丰富了机器人研发领域的专用数据供给，为相关研发团队降低了数据采集、标注的前期成本，有助于提升机器人动作控制相关算法的迭代效率，助力机器人产业的技术落地。
查看eval_act_redcube_dong17_demo
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)