当前，人形机器人、工业服务机器人正处于商业化落地的关键窗口期，而场景化、多模态的高质量训练数据，是制约机器人精细操作能力迭代的核心瓶颈之一，尤其是按键操作这类高频通用场景，此前行业内公开的标准化数据集相对稀缺。2026年5月6日，Hachomu正式上线由LeRobot创建的push_button机器人领域专用数据集，首次发布平台为全球知名AI开源社区HuggingFace。
该数据集覆盖机器人操作全链路多维度特征，包含7个关节动作参数、13个关节状态观测值，同时配套采集了分辨率为480x640的前视、顶视双视角RGB图像，以及对应操作的时间戳、帧索引、任务索引等关联标注信息，完整还原机器人完成按键操作的全流程数据逻辑。存储层面，结构化数据采用parquet格式存储、操作视频采用mp4格式存储，便于研发人员快速调用、处理。
授权规则上，push_button数据集采用商用友好的Apache 2.0许可证，开发者、企业及科研机构可免费对数据集进行使用、修改及二次分发，无需额外授权。目前该数据集暂未上线官方主页及配套说明论文，后续相关信息有望进一步更新。
从应用价值来看，该数据集针对性覆盖机器人按键操作场景，可广泛应用于多个研发方向：在工业场景中，可用于产线操作机器人的预训练，优化机器人对不同规格按键的识别精度、按压力度控制及容错调整能力，降低产线自动化改造的研发成本；在服务场景中，可为服务机器人按电梯、操作公共自助设备等功能的算法训练提供数据支撑，提升服务机器人在楼宇、商业空间的适配性；在多模态机器人控制领域，该数据集同步包含视觉观测、关节状态、动作指令三类核心数据，可用于训练跨模态控制模型，打通机器人“感知-决策-执行”的数据流链路，提升复杂环境下操作的鲁棒性。
作为机器人领域的场景化开源数据集，push_button的发布进一步丰富了全球AI开源社区的机器人训练数据供给，对于降低中小研发团队的数据采集成本、加快精细操作类机器人的技术迭代、推动多模态机器人从实验室走向商用落地均有积极意义，也为数据要素赋能实体经济、助力人工智能产业普惠发展提供了典型样本。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)