当前全球机器人产业正进入AI赋能的快速迭代期，工业协作机器人、服务机器人、人形机器人的落地节奏不断加快，而面向实体交互场景的高质量多模态训练数据，始终是制约机器人算法泛化能力、落地适配性的核心瓶颈之一。在此背景下，科技机构Silvasta于2026年5月7日正式在全球知名AI社区HuggingFace首发全新机器人专用数据集eval_so101，该数据集由LeRobot团队打造，核心面向机器人技术研发领域开放。
本次发布的eval_so101数据集属于典型的多模态实体交互数据集，包含动作、观察状态、图像三大类核心特征，具体维度覆盖机械臂各关节位置参数、作业过程前视图像、时序对应的时间戳、帧索引、片段索引等，可实现操作动作、视觉信息、设备状态的精准联动匹配。存储层面，结构化数据采用高效压缩、易读取的parquet格式存储，视频流数据则采用通用mp4格式，方便研发人员快速调取、预处理数据。目前公开的数据集文件中，结构与特征标注信息较为完善，但暂未披露数据集的创建背景、细分应用定位等补充说明内容。
从行业应用潜力来看，eval_so101的特征设计恰好匹配机器人领域两大核心研发方向的需求：在机械臂控制领域，研发人员可基于关节时序数据、动作标注信息训练轨迹规划、精度校准、动态力控、避障调度等算法，支撑工业分拣、精密装配、人机协作等场景的机器人性能优化；在机器人视觉感知领域，前视图像与设备状态、时间戳的联动标注，可支撑视觉定位、目标识别、场景语义理解、动态物体跟踪等模型的训练与测评，也可用于验证机器人算法从仿真环境到实机场景的迁移适配效果。通用的存储格式与标准化的特征结构，也将大幅降低研发团队的数据预处理成本，缩短算法迭代周期。
作为垂直领域的专用数据集，eval_so101的发布也进一步丰富了国内机器人领域数据要素的供给体系，对于推动专用训练数据的规范化开放、降低机器人研发门槛、加快AI与实体机器人的融合落地均有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)