近年来，全球智能机器人产业进入落地爆发期，工业柔性生产、商业服务、家用辅助等场景对机器人的环境适配能力、动作精准度要求持续提升，而多模态感知与运动控制作为机器人智能化的核心技术底座，其算法迭代高度依赖标注精准、模态对齐的高质量训练数据。当前机器人领域公开数据集普遍存在模态单一、运动与视觉数据未对齐、场景覆盖不足等问题，成为制约中小研发团队技术迭代的核心瓶颈之一。近日，开源技术主体seriintan正式对外发布机器人多模态数据集eval_act_spatialPE_v5_demo，该数据集于2026年5月7日首发于全球知名AI开源社区HuggingFace，主要面向机器人控制、多模态感知两大研发场景开放使用。
该数据集基于业内主流机器人AI研发工具LeRobot创建，符合通用机器人模型的训练数据标准，兼容性较强。数据集整体包含15个任务episodes，共4457帧有效数据，设定1个专项任务，结构化数据文件大小为100MB，配套视频文件大小为200MB，采样帧率为30fps，可满足时序性控制模型、多模态融合模型的训练帧密度要求。
从数据特征维度来看，该数据集覆盖了机器人运行全链路的核心标注维度：包含机器人6个关节的指令动作数据、对应时刻的6个关节实际运行状态数据，可直接用于机器人运动轨迹预测、关节力控优化、动作误差校准等算法的训练验证；同时配套分辨率为480x640的RGB三通道前视、侧视图像数据，搭配统一对齐的时间戳、帧索引、episode索引等结构化字段，实现了视觉感知信息与运动状态信息的精准时间对齐，为多模态融合感知模型的训练提供了标准化的高质量素材。存储层面，结构化数据采用parquet格式存储，可大幅提升大模型训练时的批量数据加载效率，降低研发团队的数据预处理成本；配套视频采用通用mp4格式存储，方便研发人员进行可视化校验、二次标注等拓展操作。
从应用价值来看，该数据集可广泛适配多类机器人研发场景：例如工业机器人的精细分拣、装配场景的控制算法训练，服务机器人的室内动态环境导航、避障感知模型迭代，人形机器人的基础动作复刻、人机交互场景的多模态理解研发等，能够有效降低相关研发团队的原始数据采集、标注成本，缩短技术迭代周期。作为机器人领域细分场景的公开数据集，本次eval_act_spatialPE_v5_demo的发布，也进一步丰富了全球开源机器人训练数据的供给池，对推动机器人领域AI技术的普惠化研发、加快数据要素在智能机器人产业的价值释放具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)