近年来，具身智能与工业机器人赛道进入高速落地期，拾取放置作为机器人应用场景最广的基础操作能力，其算法研发高度依赖实机采集的多模态标注数据。由于实体机器人数据采集成本高、跨场景标注流程复杂，全球范围内面向通用拾取放置任务的高质量公开数据集供给长期不足，成为制约中小研发团队降低研发成本、加快算法迭代的核心瓶颈之一。
2026年5月3日，开发者bartek-niedzielski正式在HuggingFace平台首发全新机器人操作类数据集panda_pick_and_place_21，为该领域的研发工作提供了新的标准化数据源。据公开信息显示，该数据集基于LeRobot框架创建，共包含10个任务序列（episodes）、2817帧标注数据、22段采集视频，覆盖1项核心拾取放置任务。数据集采集维度覆盖多视角视觉数据与机器人本体数据两类：视觉层包含外部全局摄像头与机器人腕部第一视角摄像头的视频素材，分辨率为480x640，帧率为15fps；本体层同步收录了采集过程中机器人的实时状态参数与动作指令数据。存储层面，结构化的状态、动作与标注数据采用parquet格式存储，视频素材采用通用mp4格式存储，方便研发团队快速解析与调用。
从应用价值来看，该数据集的多模态对齐属性可支撑多类研发场景需求：在工业机器人领域，可用于产线分拣、仓储码垛、零部件组装等拾取放置场景的算法预训练与效果验证；在具身智能大模型领域，可用于视觉感知与动作输出的跨模态对齐训练，帮助大模型建立现实空间操作的认知能力；在基础研究领域，可用于机器人操作控制算法的泛化性测试、抗干扰能力验证等研究工作。该数据集的上线也进一步丰富了全球机器人操作领域的公开数据资源，对推动数据要素在具身智能产业的流转应用、降低行业研发门槛具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)