近年来，随着具身智能赛道进入快速落地期，机器人控制算法迭代、视觉感知模型训练对场景化、高标注质量的专用数据集需求持续攀升，公开可复用的机器人实体交互类数据集已成为行业刚需。2026年5月6日，数据贡献方Naomiihao正式首发机器人领域专用数据集banana_blue_bowl_1，填补了日常物品交互场景下机器人训练数据的供给空白。
该数据集由LeRobot打造，面向机器人控制、视觉感知两大核心应用场景设计，包含5个episodes、2195帧数据，覆盖1项典型机器人操作任务。其数据结构包含动作（6个关节位置）、观察状态（6个关节位置）、前视图像（480x640x3）、时间戳、帧索引、episode索引等多维度特征，完整还原了机器人执行任务过程中的运动学参数与环境信息。数据集采用parquet格式存储结构化数据、mp4格式存储视频内容，帧率为30fps，可保障动作时序的连贯性，适配多模态算法的训练要求。此外，该数据集采用apache-2.0许可证，支持开发者进行非商用及商用二次开发，大幅降低了中小研发团队的算法研发门槛。
从潜在应用方向来看，banana_blue_bowl_1可广泛覆盖多个具身智能落地场景的研发需求：在家政服务机器人场景中，开发者可基于该数据集优化机器人的小物件抓取、日常物品识别能力，提升机器人完成取物、物品整理等日常任务的动作准确度；在工业分拣场景中，数据集可支撑多关节机械臂的运动路径规划算法迭代，优化小物件分拣的视觉识别精度；此外，该数据集还可用于具身智能大模型的微调训练、多机器人协同策略研发等方向，为机器人的通用交互能力迭代提供数据支撑。
Dataset card内容：
Files and versions内容：
作为机器人领域的垂直开源数据集，banana_blue_bowl_1的上线也进一步丰富了全球具身智能数据要素供给体系，为数据要素在AI实体化落地场景中的价值释放提供了新的样本，也为后续更多垂直场景机器人数据集的开源共享提供了参考范式。
_1769672084863.jpg)