随着具身智能技术加速向工业场景落地，面向特定操作任务的高质量标注数据集，已经成为降低机器人算法研发门槛、提升机械臂控制精度的核心基础设施。目前工业机器人领域普遍存在传统示教编程适配成本高、通用训练数据与实际场景匹配度低的痛点，垂直场景专项数据集的开放，能够有效缩短算法从实验室到落地的适配周期。近日，人工智能领域贡献者kunhsiang正式发布eval_exp10_grasp_the_red_box_20260507-190439专项机器人操作数据集，该数据集于2026年5月7日首发于全球最大的AI社区平台HuggingFace，主要面向机器人抓取操作、机械臂智能控制等应用场景开放。
据公开信息显示，该数据集属于机器人操作垂直场景专项数据集，由LeRobot创建，采用商业友好的Apache 2.0许可证开放，支持学术研究、商业开发等多场景使用。数据集覆盖三大类核心数据维度：一是全链路机械臂动作数据，包含肩部平移、肩部升降、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置六大核心关节的运行参数，完整还原机械臂抓取动作的全流程运动逻辑；二是机器人实时观察状态数据，可用于训练算法对操作环境、目标物体状态的感知能力；三是多视角视觉数据，同步收录前视、顶部、夹爪三个核心视角的实时图像，覆盖机械臂操作过程中不同位置的视觉观测需求。
从数据规格来看，本次发布的数据集围绕“抓取红色盒子”这一典型工业分拣、物料搬运场景的单一任务设计，包含1个完整操作片段、共764帧标注数据，视频采样帧率为30fps，图像分辨率为480x640，可满足多数轻量化抓取算法的训练与验证需求。数据存储方面，结构化数据以parquet格式存储，总数据量约为100MB，配套视频数据量约为200MB，整体体量轻便，下载、调试门槛较低。
作为面向特定抓取任务的公开数据集，该资源可广泛应用于多个具身智能与工业机器人研发场景：在工业分拣场景中，可用于训练机械臂对指定颜色、规格物料的识别与抓取算法，降低传统示教编程的适配成本；在仓储物流场景中，可支撑货箱拣选、上下料机械臂的视觉与动作协同模型调优，提升复杂工况下的抓取成功率；在学术研究领域，也可作为基准测试数据集，用于验证机器人动态抓取、姿态调整、避障等相关算法的性能。此次数据集的开放，也为国内数据要素市场在工业机器人细分领域的资源供给，提供了新的参考样本。
查看eval_exp10_grasp_the_red_box_20260507-190439
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)