随着人形机器人、工业柔性机械臂等赛道的商业化进程加速，强化学习已经成为支撑机器人自主运动控制、复杂场景决策的核心技术路径，但行业长期面临真实场景训练数据采集成本高、标注维度不全、结构化程度低等痛点，高质量垂直数据集的供给，已成为制约机器人控制算法迭代效率的核心因素之一。近日，技术厂商klucny正式发布rl_eth_task2机器人专项数据集，该数据集于2026年5月6日率先上线HuggingFace平台，可广泛应用于机器人运动控制算法训练、强化学习任务仿真等研发场景。
据介绍，该数据集采用业界通用的LeRobot工具构建，是一款面向机器人上肢运动场景的专项训练数据集，覆盖动作、观察状态、前视图像三类核心特征：其中动作和状态特征包含肩部平移、肩部抬升、肘部弯曲、手腕弯曲、手腕旋转和夹爪位置共6个关节的位置数据，完整覆盖机械臂上肢运动的全维度控制参数；配套的前视视觉数据为1080x1920分辨率的视频序列，帧率为10fps，可支撑多模态强化学习模型的同步训练。从数据规模来看，该数据集共包含96个完整的运动任务序列（episodes）、31613帧同步标注数据，总数据量约300MB，其中结构化数据文件100MB、视频文件200MB，轻量化的存储结构也降低了中小研发团队的下载与使用门槛。
从典型应用场景来看，rl_eth_task2数据集可适配多个机器人研发方向：在工业制造领域，研发团队可基于该数据集开展机械臂分拣、装配等场景的强化学习算法预训练，替代部分真实机器人试错环节，降低研发成本与安全风险；在人形机器人研发领域，数据集的上肢关节参数可支撑上肢运动控制策略的仿真优化，提升机器人在复杂操作场景下的运动精度与稳定性；此外，同步配套的视觉与关节状态数据，也可用于多模态机器人决策模型的训练，验证视觉感知与运动控制的协同算法效果。业内人士指出，垂直领域高质量训练数据集是AI机器人产业发展的核心生产要素之一，本次rl_eth_task2数据集的发布，进一步丰富了机器人运动控制领域的结构化数据供给，对于降低全行业研发成本、加速强化学习技术的落地应用具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)