当前具身智能已成为全球AI产业的核心落地方向，其中工业双臂机器人、人形机器人的运动控制与多模态感知能力，是决定具身智能能否从实验室走向商业化场景的核心指标，但真实物理环境下的多模态同步标注数据稀缺、采集成本高，一直是行业研发的普遍痛点。近日，开发者geoffroysu正式对外发布双臂机器人专用数据集openarm_one_class_30s，该数据集于2026年5月6日首发于全球最大的AI模型与数据集社区HuggingFace，面向全球开发者开放使用。
据介绍，该数据集基于Meta开源的LeRobot机器人学习工具栈创建，LeRobot作为行业广泛使用的机器人数据采集与训练工具，可实现机器人硬件状态与视觉数据的毫秒级同步采集，保障了数据集的标注精度与时序一致性。本次发布的openarm_one_class_30s数据集聚焦单任务双臂操作场景，包含13个完整任务片段，共5847帧同步数据，总数据规模300MB，其中结构化数据文件大小为100MB，视频文件大小为200MB，采集帧率为15fps，完全匹配双臂机器人实时控制的常规响应频率要求。
从数据维度来看，该数据集覆盖了机器人控制与感知所需的全量核心特征：包含16维动作数据（对应双臂各关节位置指令）、48维观察状态数据（覆盖各关节实时位置、速度、扭矩参数），以及来自左腕、右腕和顶部三个视角的同步视频数据，可满足多模态模型训练的数据源需求。存储层面，结构化数据采用大数据领域通用的parquet列式存储格式，读取效率高，可直接兼容PyTorch、TensorFlow等主流AI训练框架，视频数据采用通用mp4格式，大幅降低了开发者的数据预处理成本。
从应用价值来看，该数据集可广泛应用于多个具身智能研发场景：一是可用于双臂机器人运动控制算法的小样本训练与验证，中小研发团队无需采购高成本的机器人硬件采集设备，即可基于该数据集快速验证轨迹规划、力控调节等算法的有效性；二是可支撑双臂协同多模态感知模型研发，同步的关节状态数据与多视角视觉数据，可用于训练视觉-力觉融合的感知闭环模型，助力机器人完成精密装配、柔性搬运等复杂任务；三是可作为细分场景的基准测试数据集，用于不同机器人控制算法的效果横向比对，推动行业测试标准的统一。
作为具身智能领域的细分场景数据集，本次openarm_one_class_30s的开放，为行业提供了高质量的标注数据资源，也为机器人领域数据集的开放共享提供了参考范式，进一步完善了具身智能产业的数据供给生态，对降低中小团队研发门槛、推动数据要素在人工智能实体经济场景落地具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)