当前，服务机器人在食品加工、餐饮零售等民生场景的落地进程不断加快，但由于食品品类形态多样、质地差异大，面向食品场景的抓取、搬运算法训练长期缺乏高质量的实采标注数据，成为制约相关机器人产品规模化落地的核心瓶颈之一。作为AI算法训练的核心生产要素，垂直场景的实体机器人实采数据集始终是行业稀缺资源，本次新数据集的发布也为相关领域研发提供了全新的支撑。
据HuggingFace平台信息显示，该数据集于2026年4月29日正式首发，DRMNmadhan本次发布的数据集piper_pickdrop_fooditems_105，是专门面向食品物品抓取、搬运场景打造的机器人专用数据集，所有数据均通过piper实体机器人实际操作采集生成，共包含122个完整操作流程（episodes）、145619帧30fps的高清视频数据。采集维度覆盖全局、夹持器和局部三个摄像头的同步视频数据（分辨率480x640），同时收录了机器人运行过程中7维关节状态数据和7维动作指令数据，可满足视觉感知、动作规划全链路算法的训练需求。授权方面，该数据集采用Apache 2.0许可证，支持开发者免费商用、修改与二次分发，大幅降低了研发团队的授权门槛与数据采集成本。
从典型应用场景来看，该数据集可广泛支撑多类食品场景的机器人技术研发：其一可用于软质、异形食品的抓取算法训练，覆盖中央厨房食材分拣、预制菜自动化包装、餐饮门店自动出餐、无人零售食品补货等多个落地场景的操作需求；其二可用于多视角视觉识别模型的训练，基于三大视角的同步采集数据，可优化机器人对食品位置、形态、质地的识别精度，降低错抓、漏抓、食品破损概率；其三可用于机器人动态动作规划算法的验证，结合同步采集的关节状态与动作数据，可提升机器人抓取、移动、放置全流程的动作流畅度与安全性。
本次数据集的开放也进一步丰富了垂直场景机器人训练数据的供给体系，在数据要素市场化建设不断推进的背景下，高质量场景化训练数据的开放共享，将有效降低机器人研发的前置投入，加速食品加工、餐饮服务等传统行业的智能化转型进程。
查看piper_pickdrop_fooditems_105
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)