当前全球工业机器人、服务机器人及人形机器人产业正处于技术落地的关键阶段，强化学习作为实现机器人自主精细操作的核心技术路线，其训练效果高度依赖贴近真实物理场景的多模态标注数据集，细分场景的高质量专用数据集已成为机器人领域研发的核心基础设施。近日，开发者zhq2002正式发布pick_lift_cube_classifier专用数据集，该数据集由专注机器人学任务的LeRobot项目打造，于2026年5月11日首发于全球知名AI开源社区HuggingFace，面向全球研发者开放获取。
据公开信息显示，该数据集共包含20个完整操作片段、总计2213帧标注数据，采用轻量化、易解析的parquet格式存储，覆盖训练机器人完成立方体拾取、提升任务所需的全维度标注字段：其中6维浮点动作字段完整覆盖肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕滚动和夹爪位置共6组核心关节动作参数，可还原机械臂完成操作的全路径动作逻辑；下一状态奖励、完成标志、离散惩罚等字段则直接匹配强化学习训练的反馈机制，无需研发者二次标注即可直接用于奖励函数训练；此外数据集还包含分辨率为128x128的3通道顶部视角观察视频、6维观察状态、时间戳、帧索引、片段索引等多维度数据，实现了视觉输入、动作参数、训练反馈三类核心信息的一一对应，可直接用于机器人控制模型的训练与效果验证。
从应用价值来看，该数据集除了可直接支撑强化学习算法在物体拾取、提升类任务的训练外，还可广泛应用于工业分拣机器人小件抓取模型研发、服务机器人桌面物品整理功能迭代、人形机器人上肢精细操作技能优化等典型场景，同时也可为不同机器人控制架构的效果横向对比、强化学习算法的鲁棒性测试提供标准化的基准测试素材，有效降低相关研发团队的数据采集与标注成本，加速细分功能的落地节奏。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)