当前全球机器人产业正处于技术落地的关键周期，运动控制精度、复杂环境感知能力是决定工业机器人、服务机器人、人形机器人商业化落地效率的核心指标，而高质量的标注训练数据集，是支撑相关AI算法迭代的核心基础。相比于通用视觉数据集，面向机器人场景的多模态、时序关联数据集供给不足，一直是制约行业研发效率的共性痛点。近日Mewsix正式发布的cube_task_60_two_cam_depth数据集，正是瞄准这一行业需求推出的垂直领域专用训练数据集，该数据集通过LeRobot创建，主要面向机器人技术研发场景提供数据支撑。
作为全球主流的开源机器人学习工具链，LeRobot的标准化采集流程保障了本次发布数据集的规范性与可用性。数据集覆盖多维度特征维度，包含动作、观察状态两大核心时序数据，以及前视、头部双视角的图像数据，同时配套完整的时间戳、帧索引、片段索引、索引和任务索引等关联字段，方便研发人员按需调取对应场景的训练数据。其中动作与观察状态数据覆盖机器人六个关节的实时位置信息，可直接用于机械臂运动轨迹拟合、动作精度优化等算法训练；双视角图像数据标注了分辨率、通道数等核心参数，为多视角视觉融合、深度感知算法训练提供了标准化的视觉输入。数据集的完整结构与特征详细信息可在meta/info.json中找到。
从应用方向来看，该数据集可广泛适配多个机器人研发场景：在工业机器人领域，可支撑分拣、装配、码垛等场景的运动控制算法训练，提升机器人动作的精准度与稳定性；在服务机器人、人形机器人领域，可用于多视角环境感知、动态避障、三维场景重建等技术的研发，优化机器人在复杂场景下的自主决策能力；此外，该数据集也可用于多摄像头深度估计算法、多模态时序数据融合模型的基础研究，进一步降低相关研发团队的数据集采集与标注成本，加速机器人核心技术的迭代与商业化落地进程。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)