随着具身智能产业进入快速落地期，结构化、多模态的垂直场景训练数据已经成为机器人学习领域的核心稀缺资源。近日，AI研发团队kunhsiang正式发布专用机器人抓取数据集eval_nhsiang_pi05_so101_sc1_new_30k_grasp_the_red_box_20260504-184356，该数据集于2026年5月4日首发于全球知名AI开源社区HuggingFace，面向机器人抓取操作、机器人控制学习等领域开放使用。
本次发布的数据集基于HuggingFace推出的机器人学习开源工具栈LeRobot构建，是针对刚性盒装物体抓取场景定向打造的训练验证数据集。其数据结构覆盖1项标准化红盒抓取任务，包含827帧时间戳完全对齐的标注数据，总结构化数据文件大小为100MB，配套多视角视频文件大小为200MB。从标注维度来看，数据集同时覆盖三类核心特征：一是机器人本体动作数据，完整记录肩部、肘部、腕部等核心关节的实时位置、运动参数，还原抓取全流程的控制逻辑；二是同步观察状态数据，与动作数据时间戳一一对应，可直接用于强化学习模型的状态-动作映射训练；三是多视角视觉采集数据，同步收录前视、顶部、夹爪第一视角三路视频流，分辨率为480x640、帧率30fps，同时覆盖全局环境信息与抓取接触细节，可有效降低单一视角遮挡带来的训练偏差。
作为垂直场景的专用训练数据集，该产品可广泛支撑多个领域的研发工作：在工业分拣、物流仓储等商用场景中，研发人员可基于该数据集训练机械臂的抓取策略，优化盒装物体的抓取点位识别能力，提升复杂场景下的抓取成功率；在机器人控制研究领域，该数据集可用于串联机械臂的运动规划算法验证，优化关节运动路径，降低动作冗余与运行能耗；此外，该数据集同步包含视觉信号与控制信号的特性，也可用于多模态大模型的具身能力对齐，提升大模型在实体场景下的指令执行准确率。
当前我国数据要素市场正加快向垂直行业渗透，具身智能领域的高质量标注数据缺口超过千万小时，这类细分场景的结构化数据集开放，将有效降低中小研发团队、科研机构的技术准入门槛，为机器人学习技术从实验室走向商用落地提供重要的底座支撑。
查看eval_nhsiang_pi05_so101_sc1_new_30k_grasp_the_red_box_20260504-184356
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)