当前具身智能产业正处于技术落地攻坚期，高质量、多维度对齐的场景化标注数据集，是训练机器人运动控制、环境感知算法的核心生产资料，也是降低中小研发团队准入门槛、推动产业技术快速迭代的关键基础设施。2026年4月23日，Sri-Ram-A正式在全球最大的AI模型与数据集共享平台HuggingFace上线由LeRobot打造的second_final机器人领域专项数据集，为行业新增了一款标注维度完整、授权宽松的小型基准数据集。
据公开信息显示，second_final数据集目前包含3个任务序列（episodes）、共计2582帧有效标注数据，对应1个机器人操作任务场景。数据集采用行业通用的parquet结构化数据格式加mp4视频格式存储，其中结构化数据文件总大小为100MB，配套视频文件总大小为200MB，文件结构轻量化，便于开发者快速加载、按需调用。本次发布的数据集标注维度覆盖机器人研发全链路核心需求：包括机器人动作层的6个关节位置标注、观测层的6个关节实时状态数据，同时配套2路480x640分辨率、30fps的同步摄像头采集图像，以及对应的时间戳、帧索引、episode索引等时序标识字段，所有数据维度均完成原生时序对齐，无需开发者额外进行数据清洗与匹配工作。数据集采用Apache-2.0开源许可证，支持商业场景使用，开发者可基于该数据集进行二次开发、模型训练等操作无需额外申请授权。
从应用场景来看，second_final数据集可广泛应用于机器人控制、机器人感知两大核心研发方向：在控制领域，研发人员可基于标注完整的关节动作与状态数据，训练机械臂轨迹规划、力控适配等算法，也可将其作为小样本场景下的算法验证基准，快速测试控制模型的泛化能力；在感知领域，双视角同步的视觉数据与对应关节状态的绑定标注，可为视觉-动作跨模态模型训练提供数据支撑，帮助机器人实现通过视觉感知自主调整关节姿态、完成指定操作任务的能力，也可用于视觉定位、环境识别等算法的小型测试集使用，对于快速验证算法原型、降低前期数据采集成本具有显著价值。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)