当前具身智能与工业机器人赛道正进入快速落地期，而覆盖真实作业场景、标注完善的多模态训练数据，一直是制约机器人感知、控制算法迭代的核心瓶颈之一。尤其是抓取、放置这类机器人高频基础作业场景，由于涉及力控、视觉感知、运动规划多维度数据匹配，公开可用的高质量数据集供给长期不足。2026年5月3日，科技厂商Gunbam正式对外发布pick_place机器人专项数据集，为行业提供了新的标准化训练数据选择。
据介绍，该数据集基于Hugging Face旗下开源机器人工具栈LeRobot构建，后者是目前全球应用最广的机器人数据集与模型开发框架之一，可实现机器人操作数据的标准化采集、格式统一与跨平台适配。本次发布的pick_place数据集共包含14组完整作业序列（episodes）、11653帧采样数据，同步配套14条对应作业视频，整体采用工业级通用的parquet格式存储，方便开发者快速调取、解析与二次处理。
数据集涵盖机器人动作与环境观察两大核心维度数据：一方面包含6维浮点型机器人状态参数，可还原机器人关节角度、末端位姿等核心运动信息；另一方面搭载480×640分辨率的前置摄像头RGB视频帧数据，可支撑视觉感知算法的训练需求。此外，数据集还配置了完整的结构化索引体系，包含时间戳、帧索引、作业序列索引等字段，采集频率达到30fps，可满足连续运动场景下的算法训练要求。值得注意的是，该数据集采用Apache 2.0开源许可证，允许开发者免费用于商用与非商用研发场景，可直接修改、分发衍生内容，大幅降低了中小团队的研发准入门槛。
从应用方向来看，pick_place数据集可广泛应用于机器人抓取放置、感知与控制相关的研发场景：在工业制造领域，可用于产线分拣、零件组装类机器人的运动控制算法训练；在物流仓储场景，可支撑码垛、拆垛、货品分拣机器人的视觉识别与抓取规划模块调试；在服务机器人与具身智能领域，也可作为多模态大模型的机器人操作对齐训练数据，助力具身智能模型掌握真实世界的物品操作逻辑，对完善机器人训练数据生态、加快具身智能技术落地具有行业价值。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)