当前全球通用机器人、人形机器人产业进入爆发式增长阶段，运动控制精度、多模态感知决策能力已经成为制约机器人落地工业生产、民生服务等场景的核心技术瓶颈，而标注维度齐全、匹配真实操作场景的高质量训练数据集，是机器人相关算法迭代的核心生产要素。近日，科技机构TheMuz正式对外发布机器人专项数据集so101_practice_v1，该数据集由LeRobot团队打造，于2026年4月29日率先在HuggingFace平台上线，主要面向机器人运动控制、多模态机器人学习两大核心研发场景。
从数据构成来看，so101_practice_v1共覆盖10个完整任务序列（episodes），累计采集8998帧标注数据，所有数据分别以结构化文件格式parquet和视频格式mp4存储，总规模约300MB，其中结构化数据文件100MB、对应视频素材200MB。该数据集的标注维度完全匹配机器人研发核心需求：包括6维关节动作标注（浮点型，对应机器人各关节目标控制位置）、6维观测状态标注（浮点型，对应机器人各关节实时反馈位置），同时配套顶部、正面双视角480*640分辨率3通道30fps高清视频素材，搭配对应时间戳、帧索引、序列索引等关联字段，可实现结构化标注数据与视觉素材的毫秒级精准匹配，为算法训练提供高质量数据基础。
从潜在应用场景来看，该数据集可广泛适用于多类机器人研发需求：其一，可用于机器人运动控制算法训练，通过标注的动作指令与反馈状态对应数据，优化关节控制精度，降低运动误差，提升复杂场景下的运动稳定性；其二，可支撑多模态机器人学习模型训练，结合视觉感知素材与结构化运动数据，提升机器人“感知-决策-执行”的闭环能力；其三，还可作为行业基准数据集，用于不同运动控制算法、多模态大模型的效果横向评测，助力统一行业评测标准。
随着我国数据要素市场化配置改革持续深化，垂直产业领域的专业数据集供给能力，已经成为支撑人工智能、高端装备制造等战略性新兴产业发展的核心底座。本次so101_practice_v1数据集的发布，进一步丰富了国内机器人领域的优质训练数据供给，可为中小机器人研发团队降低数据采集与标注成本，加速相关技术的落地迭代效率。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)