当前全球机器人产业正处于技术迭代与规模化落地的关键阶段，高质量实采标注数据集已成为机器人运动控制、多模态感知算法训练的核心生产要素，垂类细分场景的标准化开源数据供给缺口仍是制约中小研发团队技术迭代的重要瓶颈。2026年5月11日，机器人技术厂商DerBoroter正式在HuggingFace平台首发开源full_fold_tristan_rel_action数据集，面向全球开发者开放使用，为机器人领域的算法研发提供新的数据源支撑。
本次发布的full_fold_tristan_rel_action是DerBoroter基于LeRobot框架打造的专用机器人训练数据集，适配“so_follower”型号机器人，可广泛应用于各类机器人任务的算法训练。该数据集总计包含60个训练剧集、35146帧采样数据，采样帧率为30fps，训练分割区间为0:60。数据集特征覆盖机器人运行全链路维度：核心动作数据包含肩部、肘部、手腕和夹持器的位置参数，以及对应的观察状态数据；视觉感知数据为前部摄像头采集的640x480分辨率3通道视频，采用AV1编解码器存储，实现与动作参数的时间戳精准对齐；同时配套完整的时间戳、帧索引、剧集索引、任务索引等标注字段，大幅降低开发者的数据预处理成本。数据集整体采用parquet文件结构存储，结构化数据文件大小为100 MB，配套视频文件大小为200 MB，使用Apache 2.0开源许可证，允许商业二次开发。
查看full_fold_tristan_rel_action
Dataset card内容：
Files and versions内容：
从应用价值来看，该数据集可有效支撑机器人动作控制、视觉伺服两大核心领域的算法研发：在动作控制场景下，开发者可基于时序化的关节位置数据，训练机器人的路径规划、力控调整、精密操作等能力，可应用于工业装配、3C分拣、医疗辅助等细分场景的协作机器人功能迭代；在视觉伺服场景下，精准对齐的视觉信号与动作数据，可支撑“感知-决策-执行”端到端模型的训练，典型应用包括服务机器人的动态抓取、自主避障、人机交互，人形机器人的环境自适应动作调整等。本次数据集的开源，也将进一步丰富机器人领域的开源数据供给体系，降低中小研发团队的训练数据获取门槛，推动全球机器人开源生态的完善与技术普惠。
_1769672084863.jpg)