随着具身智能产业进入规模化落地的关键阶段，高质量、多模态对齐的垂直场景训练数据集，已成为制约机器人算法迭代、场景落地效率的核心瓶颈之一。尤其在桌面级操作、工业跟随作业等细分场景，同时包含机器人运动参数与环境感知数据的结构化标注数据集供给缺口显著，是业内研发机构的核心需求方向。
近日，科技厂商TynClause正式对外发布机器人技术领域专用数据集cvit-clean-table-100_20260509_143700，该数据集于2026年5月9日首发于全球知名AI开源社区HuggingFace，主要面向机器人动作控制、视觉感知两大核心研发场景开放使用。
据悉，本次发布的数据集包含机器人动作参数与环境观察数据两大核心类别，覆盖全链路研发所需的多维度标注信息：其中动作参数维度涵盖机器人肩部平移、肩部抬升、肘部弯曲、腕部弯曲、腕部旋转、夹持器位置等全部核心关节的运动数据；感知数据维度则同步提供机器人前视、腕部双视角的480x640分辨率、30fps帧率图像数据，可支撑多视角视觉算法的训练需求。此外数据集还配套了完整的时间戳、帧索引、episode索引、任务索引等结构化标识，大幅降低研发团队的数据清洗成本。参数方面，该数据集共包含12个episodes、13382帧有效数据，对应1个标准化作业任务，结构化数据文件大小为100MB，配套视频文件大小为200MB，适配so_follower类型机器人的研发需求。
从应用价值来看，该数据集可广泛覆盖机器人领域多个研发方向的训练需求：在视觉感知领域，双视角对齐的图像数据可用于桌面场景物体识别、空间定位、姿态估计算法的训练，也可支撑视觉伺服模型的研发迭代，提升机器人对动态操作场景的感知精度与响应速度；在动作控制领域，配套的全关节运动标注数据，可用于训练机械臂轨迹规划、力控调整、末端夹持器精准操作的算法模型，解决跟随机器人在桌面作业场景下的动作偏差、定位不准等共性问题；此外该结构化数据集也可作为补充训练数据，用于具身智能大模型的微调优化，提升大模型在特定作业任务下的落地适配效率。
业内分析指出，当前全球数据要素市场正加快向垂直行业场景渗透，机器人领域专用数据集的供给扩容，一方面可有效降低中小研发团队的数据集采集与标注成本，缩短算法研发周期；另一方面也为行业标准化数据集的构建提供了参考样本，助力具身智能产业的技术迭代与规模化落地。
查看cvit-clean-table-100_20260509_143700
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)