当前具身智能产业正进入落地攻坚期，机器人的精细操作能力、动态场景动作控制精度，是决定其从工业场景向民用服务、家庭陪护等场景渗透的核心指标，而高质量标注的场景化数据集，是支撑机器人学习算法迭代的核心基础设施，行业此前普遍缺乏针对单任务精细操作的标准化多模态公开数据集。在此背景下，技术机构ADHDMI近日正式发布mug-on-cube机器人专用数据集，并于2026年4月30日率先登陆HuggingFace开源社区，面向全球开发者开放使用。
本次发布的mug-on-cube数据集基于LeRobot框架创建，作为HuggingFace推出的全球通用机器人学习开源框架，LeRobot统一了数据集格式、模型训练接口标准，基于该框架打造的数据集可直接适配绝大多数主流机器人学习算法，大幅降低开发者的数据适配成本。该数据集覆盖“立方体表面放置杯子”这一机器人精细操作的典型验证任务，共包含123个完整任务序列（episodes）、19316帧标注数据，采用parquet结构化文件与原始视频文件组合的存储形式，特征维度覆盖多摄像头视觉观测数据、机器人本体状态数据、动作指令数据、时间戳、序列索引五大类，可完整复现操作过程中的环境变化与机器人响应逻辑，满足端到端机器人操作算法的训练、测试需求。同时，该数据集采用商业友好的Apache 2.0开源许可证，开发者可自由修改、分发数据集，也可将其用于商业产品开发无需额外授权，进一步降低了使用门槛。
从应用场景来看，mug-on-cube数据集可广泛用于机器人操作、动作控制领域的多个技术方向：在机械臂精细操作算法训练中，可用于优化抓取放置精度、调试力控参数、训练多模态感知（视觉+本体状态）融合决策模型；在动作控制领域，可支撑机器人动态轨迹规划、动态避障算法优化、人机协同场景动作安全校验等技术研发；同时也可作为仿真到真实迁移（Sim2Real）技术的基准测试数据集，验证仿真环境训练的算法在真实场景下的适配性。该数据集的发布，也填补了单任务精细操作场景下标准化多模态公开数据集的空白，为中小研发团队降低了数据采集成本，也为全球机器人学习领域提供了统一的算法效果验证基准，助力具身智能技术的落地迭代。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)