在具身智能赛道进入快速落地期的当下，机器人精细操作能力成为工业、物流、服务等多场景落地的核心竞争力，而不同于通用AI领域成熟的文本、图像数据集供给，机器人操作类数据集需要同步打通视觉感知、运动控制、环境交互等多维度数据的关联标注，采集门槛高、标准化难度大，优质专用数据集的稀缺已经成为制约拾取放置等高频操作任务模型精度提升的核心瓶颈之一。近日，开发者J-minsoo正式发布pick_place_block_position2专用数据集，该数据集已于2026年4月29日率先上线HuggingFace平台，面向机器人操作、拾取放置任务领域开放使用。
本次发布的pick_place_block_position2数据集由LeRobot创建，核心面向机器人操作类训练场景设计，数据集包含10个episodes、共5883帧有效数据，其中结构化标注数据采用parquet格式存储，配套的视觉内容采用MP4格式存储，覆盖多维度核心特征：既包含机器人执行的动作参数、实时观测状态，也包含手腕视角、顶部视角的双路图像数据，同时配套完整的时间戳、帧索引、episode索引、任务索引等关联标注信息，可直接匹配不同训练范式的数据调用需求。
作为面向拾取放置场景打造的垂直类数据集，pick_place_block_position2的应用场景覆盖多个机器人落地赛道：在工业生产领域，可用于3C电子零部件分拣、锂电/光伏生产环节的物料搬运、产线自动化组装等场景的拾取操作模型训练；在物流仓储领域，可支撑中小件商品拆零拣选、快递包裹分拣、仓储盘点等环节的机器人操作算法优化；在服务机器人领域，也可为家庭桌面整理、餐饮餐食配送、办公物品转运等场景的操作任务提供训练数据支撑。双视角图像搭配动作、状态的同步标注，也让数据集可适配监督学习、强化学习等多种训练范式，帮助研发团队降低数据预处理成本，提升模型训练效率。
当前全球具身智能赛道正处于技术落地的关键期，这类垂直专用数据集的开放供给，也有助于降低中小研发团队的训练数据获取门槛，推动机器人操作算法的普惠式技术迭代，进一步完善具身智能领域的数据要素供给体系，为后续更高精度的机器人操作模型研发提供数据基础。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)