当前，全球服务机器人、协作机器人赛道正处于规模化落地关键期，机器人对异形物体的精细操作能力是决定其能否渗透家庭、餐饮等非结构化场景的核心指标，而高质量、场景化的多模态操作数据集，是训练机器人控制算法、优化视觉感知模型的核心底层支撑。此前行业内针对餐具这类日常高频使用物品的专项操作数据集供给相对稀缺，多数研发团队需要自行完成数据采集、标注工作，大幅拉高了研发成本，也拖慢了技术迭代速度。
近日，开发者Lui3ui3ui正式对外开源XLeKiwi_cutlery_part1机器人操作数据集，该数据集由LeRobot创建，于2026年5月9日首发于全球知名AI开源社区HuggingFace，面向全球研发人员开放获取。该数据集为典型的多模态机器人训练数据集，结构覆盖三大核心维度：一是机器人核心运行状态数据，包含机械臂动作指令、各关节实时位置和速度等观察状态数据，可直接用于控制算法的训练与验证；二是多视角视觉数据，包含来自机器人前部、腕部摄像头同步采集的480x640分辨率、30fps的实时影像，完整还原操作场景的视觉信息；三是标准化元数据，统一标注了时间戳、帧索引、情景索引等信息，方便研发人员快速对齐多模态数据、降低预处理成本。目前该数据集共收录61个完整的餐具操作情景，总数据量达54649帧，结构化数据文件大小为100MB，配套视频文件大小为500MB，可直接适配主流的机器人算法训练框架，无需额外做格式转换。
作为聚焦餐具操作场景的专项数据集，XLeKiwi_cutlery_part1可广泛应用于多个机器人技术研发方向：在机器人控制领域，可用于训练家用服务机器人的餐具抓取、摆放、传递等精细动作算法，也可支撑餐饮行业协作机器人的配餐、摆盘、餐具回收等场景的动作模型优化，提升机器人对不同材质、形状餐具的操作稳定性与精准度；在视觉感知领域，可用于训练复杂环境下的餐具识别、遮挡物判断、动态避障等视觉模型，提升机器人在有人员干扰、物品堆叠的非结构化场景下的环境感知能力。
当前我国数据要素市场建设持续推进，AI研发领域的高质量开源数据集是支撑人工智能技术落地的核心公共资源，细分场景专项数据集的供给能力直接决定了垂直赛道的技术迭代速度。本次XLeKiwi_cutlery_part1数据集的开源发布，有效填补了餐具操作场景机器人训练数据集的供给空白，可大幅降低相关研发团队的原始数据采集、标注成本，加快服务机器人、协作机器人在家庭、餐饮等民生场景的落地进程。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)