当前具身智能产业正进入技术落地的关键窗口期，机器人抓取放置、高精度关节运动控制作为工业协作机器人、服务机器人的核心能力，其算法迭代高度依赖真实场景下的多模态同步观测数据，而高质量、标注规范的公开数据集始终是行业研发的核心刚需。近日，开发者J-minsoo正式对外发布pick_place_block_position8数据集，该数据集于2026年4月29日首发于HuggingFace平台，是由LeRobot打造的专业机器人技术数据集，主要面向机器人抓取放置、关节运动控制两大核心研发方向，为具身智能领域的算法训练提供标准化数据支撑。
据了解，本次发布的pick_place_block_position8数据集共包含10个完整任务周期（episodes）、累计5928帧有效数据，完整记录了WidowX AI跟随机器人完成块体抓取、放置全流程的动作与观测数据，核心数据维度包括7个关节的实时位置信息、手腕视角与顶部视角的双路图像观测（分辨率480x640、帧率30fps）、时序对齐时间戳等，所有结构化数据采用高压缩率、高读取效率的Parquet格式存储，视频流采用通用MP4格式封装，兼顾大规模算法训练的性能需求与研发人员复盘验证的易用性需求。
从行业应用来看，该数据集的多维度同步数据可覆盖多类典型研发场景：基于双视角视觉数据与对应关节位置标签，研究人员可训练视觉引导的抓取姿态预测模型，提升机器人对不同摆放位置物体的识别、抓取、放置准确率，可支撑工业分拣、物流码垛、家庭服务等场景的机器人研发；7个关节的时序位置数据，可用于冗余机械臂的运动轨迹规划、碰撞规避、力控优化等算法的训练与验证，降低关节运动抖动、提升复杂场景下的运动控制精度；此外，该数据集也可作为行业基准测试集，为不同具身智能控制算法的效果对比提供统一的评估标准。
Dataset card内容：
Files and versions内容：
作为具身智能领域最新的公开数据集成果，pick_place_block_position8的发布填补了细分场景下多模态同步机器人运动数据的供给缺口，降低了中小研发团队、学术机构的训练数据获取成本，对加速机器人控制技术迭代、完善数据要素市场下的智能装备领域数据供给体系、推动数字技术与实体制造业深度融合具有积极意义。
_1769672084863.jpg)