当前，全球工业机器人、人形机器人赛道正进入技术快速迭代期，遥操作技术作为实现复杂环境下机器人作业、人机协同交互的核心技术路径，长期面临高质量标注训练数据供给不足的痛点——机械臂运动数据、多视角视觉数据、任务执行全流程数据的同步采集与标注成本高、公开可复用的专项数据集稀缺，已经成为制约相关技术落地的重要瓶颈。
近期，AI科技厂商DreamDifferent正式对外发布so101_teleop_test机器人专项数据集，该数据集由LeRobot团队构建，于2026年4月29日首发上线于全球知名AI开源社区HuggingFace，定向服务机械臂远程操作、机器人自主任务执行领域的研发需求。
DreamDifferent本次发布的数据集so101_teleop_test，主要面向机器人领域研发场景设计，数据集包含45个任务周期（episodes）、15031帧有效数据，覆盖3类典型机械臂操作任务。数据文件以高效结构化的parquet格式存储，配套视频文件以通用mp4格式存储，兼顾研发人员的批量数据读取与可视化校验需求。数据集特征维度覆盖全链路操作信息：包括6维浮点数格式的动作数据、观测状态数据（分别对应机械臂各关节目标位置、实时位置），480x640分辨率、3通道、30fps的前端环境与腕部双视角图像数据，以及配套的时间戳、帧索引、任务周期索引、任务类型索引等结构化字段，可直接满足多模块算法联合训练的数据格式要求，大幅降低研发团队的数据预处理成本。
从应用价值来看，该数据集可覆盖多个典型研发场景的训练需求：在工业制造领域，可用于高危化工、核电场景下的机械臂远程巡检、故障处置算法训练，提升遥操作的响应精度与稳定性；在精密装配场景，可用于3C电子、半导体制造环节的机械臂远程调试、精细化操作算法研发，降低人工进场操作的安全风险与成本；在服务机器人与人形机器人领域，可用于人机协同抓取、助残辅助操作等任务的模型训练，提升机器人对复杂操作指令的执行准确率；此外，多模态的数据集特征也可支撑机器人多模态大模型的微调，强化大模型对机械臂运动逻辑、环境感知的理解能力。
作为机器人领域的专项训练数据资产，本次so101_teleop_test数据集的发布，进一步丰富了全球遥操作方向的公开数据集供给，为相关研发团队降低了数据采集、标注的前置成本，对推动机器人操作技术的普惠化研发、加速相关场景落地具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)