当前全球通用机器人、工业协作机器人产业正处于技术迭代与商业化落地的关键期，运动控制精度、复杂环境视觉感知能力是决定机器人产品实用性的核心指标，而高质量场景化训练数据集则是算法快速迭代的核心基础。据行业公开调研显示，目前面向机器人关节控制+多视角视觉匹配的专项小样本数据集供给相对稀缺，大量中小研发团队、高校实验室普遍面临数据采集成本高、标注质量参差不齐的痛点，制约了细分领域的技术创新效率。
近日，开发者justintiensmith正式发布由LeRobot创建的机器人专项数据集test2，该数据集于2026年5月7日首发于全球最大的AI开源模型社区HuggingFace，面向全球机器人研发群体开放使用，为行业提供了轻量化、结构化的专项训练数据选择。
本次发布的test2数据集针对性覆盖机器人核心研发需求，共包含3个完整任务场景episodes，总采集帧数达2021帧，采集帧率为30fps，数据维度完整覆盖多模态训练要求：既有机器人6个关节的动作指令数据、实时观测状态数据，也包含手腕视角与全局世界视角的双通道480×640分辨率3通道RGB图像数据，同时同步匹配了精准时间戳、帧索引、episode索引等结构化标注信息，研发人员无需额外进行数据对齐、清洗等预处理工作，即可直接接入模型训练流程。该数据集结构化文件总大小为100MB，配套原始视频文件总大小为200MB，轻量化的存储设计大幅降低了研发团队的下载与部署成本。
从应用场景来看，test2数据集可广泛支撑机器人领域多个核心研发方向的需求：在运动控制领域，可用于串联关节机器人的轨迹规划算法训练、力控反馈模型验证、碰撞预判机制测试等研发工作，帮助算法团队快速优化关节运动的平顺性与精准度；在视觉感知领域，多视角匹配的图像数据可支撑机器人手眼协同模型训练、动态目标识别算法优化、复杂场景语义分割模型验证等场景；结合时间戳与关节状态的多维度关联数据，还可用于多模态大模型的机器人行为决策模块训练。对于研发资源有限的中小团队、高校研究人员而言，该开源数据集可大幅降低前期数据采集的硬件与人力成本，缩短算法验证周期，加速技术落地进程。
作为机器人细分领域的开源数据产品，test2的上线也进一步丰富了全球机器人训练数据集的供给体系，对于推动通用机器人技术普惠、降低行业研发门槛具有积极作用，也为数据要素在人工智能实体场景落地的供给模式提供了可参考的样本。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)