当前，全球具身智能与工业机器人赛道正处于高速发展期，算法迭代对多模态、高标注精度的实采训练数据需求持续攀升，但面向机械臂控制、机器人感知场景的专用结构化数据集供给长期不足，尤其是同时同步采集动作指令、设备状态、多视角视觉信息的时间对齐数据集稀缺，已成为制约相关技术从实验室走向商用落地的核心瓶颈之一。
作为全球最大的AI开源模型与数据集托管平台，HuggingFace是全球AI研发人员获取训练数据的核心渠道，近日开发者kawamura101010于2026年5月7日正式在该平台首发由LeRobot创建的机器人专用数据集4task_1_2，为相关研发团队提供了高质量的训练数据选择。据公开信息显示，该数据集共包含5个episodes、9106帧有效数据，涉及1项核心任务，采用适配AI训练场景的parquet列式存储格式，兼具高压缩率、快速读取等优势，能够大幅降低大规模训练过程中的数据IO损耗，提升研发效率。
本次发布的数据集涵盖多维度特征，既包含6个自由度的机械臂位置控制动作数据（覆盖肩部平移、肩部升降、肘部弯曲、腕部弯曲、腕部旋转、夹持器位置全维度控制参数），也同步收录了6个自由度的机械臂实时状态观测数据，同时配套360x640分辨率、30fps帧率、h264编码的前视和腕部摄像头视频数据，以及时间戳、帧索引、episode索引等标准化元数据，所有数据维度实现时间轴对齐，无需研发团队额外做数据清洗与对齐工作。
从应用场景来看，该数据集可广泛应用于机械臂控制、机器人感知两大核心领域：机械臂动作与状态数据可用于工业分拣、装配等场景的轨迹规划算法训练、末端夹持精度优化、连续任务执行逻辑迭代；多视角视觉数据与动作数据结合后，可支撑机器人视觉伺服算法训练、动态环境感知模型优化、障碍物规避算法验证等研发需求，有效降低相关团队的真实场景数据采集成本，加速技术落地进程。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)