当前，具身智能与工业机器人技术正处于规模化落地的关键阶段，随机箱式拣选作为制造、物流、3C电子等领域的高频刚需场景，对机器人视觉识别、运动规划能力提出了极高要求，而同时覆盖多视角视觉观测与机器人全链路动作参数的高质量垂类训练数据，是制约相关技术研发效率的核心瓶颈之一。近日，开发者Rei00tkhs正式发布random_bin_picking_v01机器人专项数据集，该数据集依托LeRobot框架构建，于2026年5月9日首发于HuggingFace平台，面向机器人视觉引导、箱式拣选操作等领域开放使用。
作为面向工业拣选场景的专项训练数据集，random_bin_picking_v01的样本覆盖度与结构化程度均符合工业级研发需求：全库共包含187个完整任务片段，累计230399帧有效数据，覆盖单类箱拣选作业的全流程场景。数据集核心分为两大维度数据模块：其一是机器人动作状态数据，完整记录了作业过程中机器人左右肩、肘关节、腕关节及末端夹持器的实时位置、姿态参数，可还原整个拣选流程的运动轨迹与操作逻辑；其二是多视角观测状态数据，同步采集了机器人左右腕部摄像头、工位顶部摄像头的三路视频流，视频分辨率为480x640，帧率达30fps，实现了拣选作业空间的无盲区视觉覆盖。此外，该数据集结构化设计完善，内置动作标签、观测状态标签、时间戳、帧索引、片段索引等多维度标注字段，可直接对接主流机器人算法训练框架，大幅降低研发团队的数据预处理成本。
从行业应用价值来看，该数据集可广泛应用于多个技术研发场景：一是工业机器人随机箱拣选算法训练，研发人员可基于多视角视觉数据与同步动作标签，训练机器人对散乱堆放物料的识别、定位、抓取路径规划能力，降低制造、物流领域拆垛、分拣环节的算法研发门槛；二是机器人视觉引导系统的精度验证，多维度的同步对齐数据可用于校准视觉识别系统与机器人运动控制系统的匹配精度，提升复杂作业场景下的操作稳定性；三是可用于协作机器人人机协同拣选场景的算法仿真，为半结构化场景下的机器人作业策略优化提供数据支撑。
当前，数据要素已成为人工智能与具身智能产业发展的核心生产资料，垂类场景的高质量数据集供给，是推动技术从实验室走向产业端的重要基础。本次random_bin_picking_v01数据集的发布，进一步丰富了工业机器人领域的训练数据供给，为相关技术的研发迭代提供了可靠的数据源支撑。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)