近年来，具身智能成为人工智能领域的核心落地赛道，机器人控制精度、多视角环境感知能力的迭代高度依赖高质量的标注训练数据，垂直场景的专用数据集已成为制约中小团队研发效率的核心瓶颈。2026年4月29日，开发者martonbodo在全球知名AI开源共享平台Hugging Face首发了名为pap-purple-triangle-1-12-cutie的机器人专项数据集，该数据集由开源机器人学习项目LeRobot打造，是面向具身智能研发场景的标准化训练数据资源。
本次发布的数据集共包含12个任务序列（episodes），累计覆盖4280帧有效采样数据，采样帧率为30fps，其中结构化动作与状态数据文件大小为100MB，配套的视频源文件总大小为200MB，当前对应1项机器人操作训练任务。从数据维度来看，该数据集实现了机器人运行数据与视觉感知数据的全量同步标注：既包含6个关节的实时动作指令数据、对应的6个关节实际运行状态观察数据，可为机器人运动控制算法训练提供真值参考；也包含两个不同拍摄视角的240×320分辨率RGB图像数据，可支撑多视角视觉感知模型的特征对齐、环境识别训练；同时还配套有完整的时间戳、帧索引等元数据，方便研发人员根据自身研发需求对数据集进行二次加工、筛选与拓展。
作为面向机器人场景的专用训练数据集，pap-purple-triangle-1-12-cutie的典型应用方向覆盖两大核心领域：在机器人控制领域，研发人员可基于关节动作与状态的对应关系，开展机械臂路径规划、抓取动作优化等算法的训练与验证，大幅减少实体机器人调试的时间与成本；在多视角视觉感知领域，同步采集的双视角图像数据可用于3D环境重建、动态目标定位、视觉伺服等模型的训练，尤其适配工业分拣、家庭服务机器人等场景的感知能力迭代需求。此外，该数据集符合LeRobot项目的通用数据标准，可直接适配主流具身智能训练框架，进一步降低了研发团队的数据适配成本。
当前全球数据要素市场建设持续推进，AI训练数据作为核心数据资产的价值不断凸显，这类垂直场景公开数据集的供给增加，将有效降低具身智能领域的研发门槛，推动中小团队加快技术落地节奏。
查看pap-purple-triangle-1-12-cutie
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)