在工业协作机器人渗透率持续提升的当下，精细操作场景的高质量标注数据集已成为制约机器人核心技术落地的关键瓶颈。相较于通用机器人数据集，聚焦螺丝刀拧动等细分工业操作场景的多模态数据供给长期不足，相关研发团队往往需要投入大量成本完成自主数据采集、对齐与标注工作，抬高了技术研发的门槛。近日，开发者emmanuel-v正式发布的eval_2026-05-02_so101_screwdriver_03b数据集，正是针对这一行业痛点推出的专项数据集。
该数据集于2026年5月2日首发于HuggingFace平台，是目前为数不多的聚焦螺丝刀操作场景的机器人专用数据集，依托HuggingFace旗下开源机器人学习工具库LeRobot创建——作为当前全球机器人研发领域应用最广的工具栈之一，LeRobot支持多传感器数据同步采集、标准化标注与模型训练全流程适配，依托其生成的数据集具备统一的结构化标准，可大幅降低下游研发团队的数据预处理成本。
emmanuel-v本次发布的数据集eval_2026-05-02_so101_screwdriver_03b，是一个机器人技术相关的数据集，从数据构成来看，本次发布的数据集覆盖多维度机器人操作数据，既包含肩部、肘部、腕部等核心关节的实时位置等机器人动作数据、与动作数据对齐的观察状态数据，也搭载了分辨率为480x640的3通道顶部全局摄像头、腕部第一视角摄像头图像数据，同时配套完整的时间戳、帧索引、片段索引标注，实现了结构化运动数据与视觉数据的精准对齐，可为相关算法研发提供充足的多模态输入支撑。存储层面，结构化数据采用大数据领域通用的parquet格式存储，视频内容采用通用mp4格式存储，兼容PyTorch、TensorFlow等主流深度学习框架的直接调用，适配不同研发团队的技术栈需求。
从应用价值来看，该专项数据集可支撑多个核心场景的技术研发：其一可用于机器人动作规划模型训练，帮助机器人优化螺丝刀操作的运动路径、力控参数，适配不同规格螺丝、不同材质工件的装配需求，降低操作过程中的碰撞、滑牙等问题发生概率；其二可用于视觉伺服控制技术迭代，结合同步的第一视角、全局视角视觉数据与关节运动数据，训练机器人根据实时视觉反馈调整末端执行器位置的能力，满足3C电子装配、新能源汽车动力电池组装等场景对螺丝操作0.1mm级别的精度要求；此外该数据集还可用于机器人操作技能迁移学习、数字孪生场景映射验证等方向的研究，有望加速工业协作机器人在细分装配场景的落地进程。
查看eval_2026-05-02_so101_screwdriver_03b
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)