近年来，全球人形机器人、工业协作机器人赛道进入技术落地的关键期，实机采集的多模态标注数据作为训练机器人控制、感知算法的核心生产资料，其供给缺口正在成为行业发展的核心瓶颈之一。相较于仿真生成的训练数据，真实作业场景下采集的机器人关节运动数据、第一视角视觉数据能够更好拟合实际运行中的误差、环境干扰等变量，大幅提升算法落地的适配性，因此高质量开源机器人数据集的供给，对降低全行业研发门槛、推动技术普惠具有重要意义。
2026年5月10日，技术贡献者ajkoder正式发布机器人专用数据集makermods_toaster_on_4，该数据集率先登陆全球最大的开源AI模型与数据集社区HuggingFace，面向全球开发者开放下载。据公开信息显示，本次发布的数据集基于LeRobot工具栈创建，共包含10个完整任务片段、4476帧标注数据，覆盖单任务全流程的采集需求。数据集结构同时纳入机器人动作与观测两类核心特征：动作数据覆盖机器人左右肩、肘、腕及夹持器的实时位置参数，观测数据则包含机器人前置摄像头、手部摄像头拍摄的全流程视频图像，可满足多模态训练的匹配需求。本次开放的资源总规模中，结构化数据文件大小为100MB，配套视频文件大小为500MB，视频帧率为30fps，可满足常规模型训练的精度要求。
值得关注的是，该数据集采用Apache-2.0开源许可证，允许开发者免费使用、修改、二次分发甚至商用，为各类研发团队提供了灵活的使用权限。目前该数据集暂未同步上线详细描述文档、官方主页、配套论文及引用规范，后续版本迭代有望进一步完善相关配套内容，为开发者提供更清晰的使用指引。
从应用价值来看，makermods_toaster_on_4数据集可广泛覆盖机器人领域两大核心研发场景：在机器人控制领域，开发者可基于已标注的关节位置数据，训练机械臂的轨迹规划、柔顺控制、动态抓取算法，大幅降低实机调试的试错成本，缩短算法迭代周期；在视觉感知领域，配套的多视角视频数据可支撑环境识别、目标检测、手眼协同等模型的训练，尤其适合优化近距离作业、小部件操作场景下的感知精度，为工业装配、家政服务等场景的机器人落地提供数据支撑。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)