在具身智能成为全球科技领域研发热点的当下，高质量、多维度的机器人实操数据集是算法训练、模型验证的核心生产资料，直接决定了机器人控制、任务执行等场景的落地效率。其中双机械臂作为工业协作机器人、服务型具身智能体的核心硬件形态，其相关的全维度观测数据长期存在供给缺口，不少中小研发团队及科研机构受限于硬件条件、采集成本，难以获取符合训练要求的真实场景标注数据，制约了相关技术的落地迭代效率。
2026年5月6日，开发者rdesarz正式在HuggingFace平台首发gosim-hackathon-2026专项数据集，定向覆盖双机械臂控制、机器人复杂任务执行等研发需求，为行业提供了一套开源、高标注质量的训练素材。
rdesarz本次发布的gosim-hackathon-2026是聚焦双机械臂场景的专用数据集，包含bi_openarm_follower型号双机械臂的完整动作与状态数据，覆盖4个完整任务执行片段，累计收录2901帧有效数据，采集帧率达到30fps，可完整复现任务执行的全流程动作逻辑。具体来看，数据集内容包含三类核心数据维度：一是16维的机械臂动作数据，精准记录机械臂各关节的位置参数；二是48维的状态观测数据，覆盖关节位置、运行速度、扭矩等核心运行指标，可直接用于控制算法的效果校验；三是来自右腕、左腕、顶部三个视角的同步视频数据，分辨率分别为1280x720和640x480，满足多模态感知算法的训练需求。该数据集采用商业友好的Apache 2.0许可证，个人开发者、科研机构及商业团队均可免费使用、修改及二次分发，大幅降低相关场景的研发准入门槛。
从行业应用来看，该数据集可覆盖多个典型研发场景：在工业协作机器人领域，可用于双机械臂协同装配、分拣、搬运等任务的控制算法训练，基于真实采集的扭矩、位置数据优化算法的动作精准度，降低仿真环境与真实场景的偏差；在具身智能感知研发领域，多视角视频与运动状态数据的同步标注，可支撑多模态融合感知模型的训练，提升机器人在复杂作业环境下的障碍物识别、动态路径调整能力；在科研教学领域，该数据集可作为机器人控制专业的教学实训素材，降低高校、职校相关课程的硬件采购成本。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)