当前全球具身智能与机器人产业正处于技术落地的关键期，控制算法精度、自主行为学习能力是决定机器人商业化落地效率的核心指标，而真实场景下覆盖运动状态、视觉信息的多模态标注数据集，是相关技术研发不可或缺的核心生产要素。此前机器人领域的公开数据集普遍存在参数维度不全、标注标准不统一等问题，大幅提升了开发者的前期数据处理成本，制约了相关技术的迭代速度。
2026年5月6日，klucny正式在HuggingFace平台首发rl_eth专项数据集，该数据集通过LeRobot创建，核心面向机器人技术领域研发需求设计，填补了细分场景下标准化训练数据集的供给缺口。
从数据构成来看，rl_eth数据集覆盖多维度机器人运行特征，包含机器人动作、观察状态、图像、时间戳、帧索引、情节索引、索引和任务索引等核心字段。其中动作与观察状态字段各包含6个浮点型数据，分别对应机器人不同关节的实时位置，结构化的运动学参数可直接适配强化学习模型训练需求，无需开发者额外进行标准化处理，大幅降低数据预处理成本；图像特征为分辨率1080×1920、帧率10fps的视频流，实现了运动状态数据与视觉感知数据的一一对应，可支撑多模态机器人控制模型的训练需求。规模方面，该数据集共包含152个情节、30580帧有效数据，对应1个标准化任务，结构化数据文件大小为100MB，配套视频文件大小为200MB，轻量化的存储结构方便开发者快速下载调试，尤其适合小规模模型的快速迭代与基准测试。
从潜在应用价值来看，rl_eth数据集可覆盖多个机器人技术研发方向的训练需求：一是工业机械臂精准控制算法训练，通过对关节运动数据的学习，可优化机械臂的路径规划精度，降低工业生产场景下的操作误差；二是服务机器人的行为学习模型训练，结合视觉数据与运动状态数据，可训练机器人完成拾取、移动等标准化任务的自主决策能力；三是机器人控制算法的基准测试，该数据集的统一标注结构可作为通用测试集，帮助开发者验证不同控制算法的性能差异。
作为聚焦垂直场景的专项训练数据集，rl_eth的发布不仅为全球机器人领域的开发者、科研机构提供了高质量的数据供给，也进一步丰富了AI训练数据要素市场的垂直品类供给，对于降低具身智能技术研发门槛、加速机器人控制技术落地迭代具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)