开源贡献者kb127发布eval_act66专用数据集 赋能机器人关节控制、模仿学习技术落地

当前具身智能产业正处于技术迭代与场景落地的关键阶段，标准化、多模态的实机训练数据是支撑机器人控制算法研发的核心生产要素，尤其是面向细分类型机器人的标注数据集长期供给不足，大幅抬高了中小研发团队、高校科研团队的技术研发门槛。

2026年5月11日，开源贡献者kb127正式上线eval_act66机器人专用数据集，该数据集基于LeRobot框架构建，专门适配so_follower类型机器人，目前已在HuggingFace平台开放获取。

从公开的数据集参数来看，eval_act66共收录5个完整的机器人操作情节，累计7430帧采样数据，采样帧率为30fps，完整覆盖机器人单次任务的全动作链路；数据整体采用分块Parquet文件格式存储，总数据文件大小为100MB，配套视频文件大小为200MB，所有数据全部划入训练分割集，可直接接入算法训练流程，大幅降低开发者的数据预处理成本。该数据集为典型的多模态标注数据集，涵盖的特征维度包括：6维动作数值（对应肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置核心关节控制量）、与动作维度对应的6维观察状态数据、前部+顶部双视角480x640分辨率3通道AV1编码彩色视频数据，以及配套的时间戳、帧索引、情节索引、任务索引等结构化标注信息。

从应用方向来看，eval_act66可广泛适配各类机器人控制与学习任务：在模仿学习场景中，开发者可基于同步的视觉与关节标注数据，训练机器人复现示教动作，支撑工业装配、家用服务等场景的动作研发；在强化学习场景中，标准化的关节状态标注可帮助开发者快速优化关节控制算法，提升机器人运动的平顺性与精度；此外该数据集还可用于多模态感知算法训练，探索“视觉输入-动作输出”的端到端控制方案，降低机器人对高成本硬件传感器的依赖。

查看eval_act66

Dataset card内容：