随着具身智能、工业自动化产业的快速发展，双臂协同操控作为机器人完成复杂作业的核心能力，其算法研发高度依赖高质量的实采场景数据集。但由于双臂作业涉及多关节姿态同步、多视角感知匹配、动态力控调整等多个复杂维度，自研数据集的采集标注成本高、场景覆盖度有限，一直是中小研发团队的核心痛点之一。近日，开发者justintiensmith正式发布双臂机器人专用训练数据集bimanual_place_block_in_box，并于2026年5月5日首发上线HuggingFace平台，为具身智能领域的双臂操控算法研发提供了新的开源数据选择。
该数据集由LeRobot创建，是聚焦双臂抓取放置场景的专项训练数据，围绕“方块入箱”这一典型双臂作业任务展开，共包含56个完整任务序列（episodes）、29679帧标注数据，覆盖任务执行的全流程节点。数据集的标注特征主要分为三大类：第一类是动作与观察状态特征，包含12个浮点型标注数据，分别对应左右机械臂各关节的实时位置参数，可直接用于操控模型的姿态拟合训练，省去了额外的关节点识别标注环节；第二类是多视角视觉数据，包含左、右双目视角与顶视视角共三路视频流，分辨率为480×640、3通道、帧率25fps，可支撑多模态感知融合、视觉伺服等方向的算法研发；此外数据集还配套了时间戳、帧索引、任务序列索引等辅助信息，方便研发人员按需做数据切片与二次加工。
作为面向双臂协同作业场景的开源数据集，bimanual_place_block_in_box可广泛应用于多个产业场景的算法预训练：在工业制造领域，可支撑3C电子零部件组装、产线分拣装箱等场景的双臂机器人操控算法研发；在仓储物流领域，可用于码垛、拆垛、异形物品摆放等作业的模型训练；在服务机器人与人形机器人领域，也可为家用物品整理、工具操作等消费级场景的算法研发提供数据支撑。当前我国具身智能产业正处于快速发展阶段，高质量开源数据集作为人工智能研发的核心生产要素，对降低产业研发门槛、加速技术落地迭代具有重要作用，此次该数据集的开源上线，也将进一步丰富双臂机器人领域的开源数据供给，推动具身智能技术从实验室向产业端的落地应用。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)