当前，具身智能与服务机器人、工业机器人研发正处于技术落地的关键阶段，高质量标注的机器人交互数据集，是支撑控制算法迭代、机器学习模型泛化性提升的核心基础资源，而面向多关节机器人的连续时序动作标注数据集，长期以来是行业研发端的稀缺公共资源。近日，开发者Sri-Ram-A正式在全球知名AI开源社区HuggingFace首发first_final专用数据集，聚焦机器人控制与机器学习研发需求打造，进一步丰富了细分领域的公开数据供给。
据公开信息显示，该数据集基于LeRobot工具框架构建，共收录43个完整的机器人操作交互episode，总计包含30441帧有效数据，采样帧率为30fps，可完整还原机器人连续动作的全流程时序逻辑。具体数据维度方面，first_final覆盖多模态的机器人状态、动作与环境感知数据：包含motor_1到motor_6共6维的精准动作控制数据、对应6维的机器人实时状态观测数据、全链路时间戳校准信息，同时同步收录了主、副两个视角拍摄的240x320分辨率环境视频图像，可同时满足视觉决策、动作控制、多模态融合等不同方向的研发训练需求。存储层面，结构化的动作、状态数据采用高效压缩的parquet格式存储，总数据量约100MB，配套的视频数据约200MB，整体数据集体积轻量，便于研究人员快速下载、调用与二次处理。
从典型应用场景来看，first_final数据集可广泛适配各类机器人控制与机器学习相关研究任务：既可以用于多关节机械臂的轨迹规划、动作模仿学习算法训练，潜在支撑机器人在工业分拣、家用服务等场景下的操作精度优化；也可支撑多模态具身智能模型的预训练与效果验证，帮助机器学习模型实现「视觉感知-状态判断-动作输出」的全链路决策能力升级；同时，标准化的时序标注数据也可作为机器人控制算法的基准测试集，为不同技术路线的效果对比提供统一的验证底座。
作为公开开放的专用数据集，first_final的发布也为全球机器人领域的学术研究、开源项目研发提供了新的公共数据选项，对于降低中小团队、高校研究机构的研发数据获取成本，推动机器人控制技术的普惠化创新有着积极作用，也契合当前全球AI与数据要素领域开放协作的行业发展趋势。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)