当前具身智能产业进入落地攻坚期，双手机械臂凭借更高的作业灵活性，正在成为3C电子、食品医药、高端制造等领域工业包装场景的核心自动化设备，但受限于实机数据采集成本高、多模态数据标注难度大等问题，面向包装场景的公开高质量训练数据集供给长期不足，成为制约中小研发团队算法迭代的核心瓶颈之一。近日，开发者juyoungggg正式对外发布0511_packing_1st数据集，精准瞄准双手机器人包装任务场景的训练需求，为行业提供了新的高质量数据选择。
据公开信息显示，该数据集是基于LeRobot框架创建的机器人操作专属数据集，针对bi_so_follower型号双手机器人执行包装任务的全流程进行采集，共包含160个完整作业episodes，总计176773帧有效数据，采集帧率为30fps，结构化数据以parquet格式存储，视觉内容以mp4格式存储，方便研发人员快速调用。
从数据维度来看，该数据集覆盖了多模态训练所需的全量要素：核心标注数据包含12维浮点数表示的动作数据与观察状态数据，对应左右机械臂的肩部、肘部、腕部、夹爪的全关节位置信息，可直接用于机械臂控制算法的训练；视觉数据同步搭载左腕摄像头、右腕摄像头、右上方全局摄像头三个视角的480*640分辨率3通道彩色视频，采用av1编解码器压缩，兼顾数据精度与存储效率，可支撑视觉伺服、场景感知等多模态算法的研发；此外数据集还同步配套了时间戳、帧索引、episode索引、任务索引等关联字段，大幅降低了研发人员的数据预处理成本。
从应用价值来看，该数据集可广泛应用于两大领域：一是机器人操作学习基础研究，高校、科研团队可依托该数据集开展双机械臂协同控制、力位混合控制、多模态感知融合等方向的算法训练与效果验证，降低实机测试的时间与资金成本；二是双手机器人包装任务落地，工业机器人企业可基于该数据集完成包装场景算法的预训练，再针对3C零部件防静电包装、预制菜定量装盒、医药耗材无菌包装等细分场景的需求做微调，可大幅缩短算法落地周期，降低研发门槛。
作为具身智能领域场景化数据集的新增供给，本次发布的0511_packing_1st数据集进一步丰富了工业场景公开训练数据的品类，对推动数据要素在具身智能产业的流通应用、助力中小研发主体技术创新均有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)