Jowin首发eval_so101_pick_cube专用数据集 赋能机器人抓取控制与机械臂动作规划研发

随着工业机器人、人形机器人商业化进程加速，多模态对齐的高质量专用训练数据集，已成为制约机器人运动控制技术落地的核心瓶颈之一。当前机器人抓取、动作规划相关研发中，普遍存在运动状态与视觉数据对齐度不足、场景标注维度不全等问题，大幅抬高了相关AI模型的研发门槛。2026年5月2日，机器人领域技术厂商Jowin正式在HuggingFace首发开源数据集eval_so101_pick_cube，定向面向机器人抓取控制、机械臂动作规划两大核心研发场景开放。

据介绍，本次发布的eval_so101_pick_cube数据集基于LeRobot框架创建，采用parquet通用数据格式，配套包含视频文件与结构化数据文件两类资源，覆盖动作、观测状态、视觉图像、时序标注四大类核心数据维度。具体包括：机械臂全链路动作数据（含肩部、肘部、腕部和夹持器的实时位置参数）、同步观测状态数据、分辨率为480x640的3通道前视与顶视图像数据，以及配套时间戳、帧索引、任务索引等标注信息，可直接适配多数主流机器人AI模型的训练需求。

从应用方向来看，该数据集可广泛应用于多个机器人研发场景：在工业生产场景中，可用于训练机械臂的立方体物料分拣、装配场景的抓取精度模型，优化机械臂动作路径规划效率，降低产线误操作率；在科研领域，可用于支撑强化学习模型的“仿真到真实”迁移验证，解决机器人仿真训练与真实场景泛化性不足的行业共性问题；在多模态机器人研发中，同步对齐的视觉与运动状态数据，还可用于训练机器人的环境感知与动作决策联动模型，提升机器人对复杂作业场景的适配能力。

作为机器人运动控制领域的专用开源数据集，eval_so101_pick_cube的发布也填补了细分场景高质量标注数据的供给缺口，对降低相关领域研发成本、加速机器人运动控制技术落地迭代具有重要意义，同时也为垂直领域数据要素的开放共享、产业赋能提供了典型参考。

查看eval_so101_pick_cube

Dataset card内容：