当前具身智能产业正处于技术落地的关键窗口期，机器人模仿学习作为降低具身AI训练成本、提升复杂动作适配能力的核心技术路径，长期面临高质量实机操作数据供给不足的行业痛点——尤其是同步覆盖本体状态、力觉反馈、多视角视觉的双臂操作数据集，更是制约相关技术研发的核心瓶颈。近日，开发者lyl472324464正式发布2026-05-11_twist-lerobot-without-rinse数据集，该数据集于2026年5月11日首发于全球最大的AI开源社区HuggingFace，为双臂机器人操作控制、模仿学习等领域的研发提供了标准化的实机数据支撑。
该数据集是基于LeRobot框架创建的专用机器人数据集，LeRobot作为HuggingFace推出的面向机器人学习领域的开源工具栈，支持多类型机器人数据的采集、训练与部署，基于该框架生成的数据集可直接适配主流机器人学习算法，大幅降低开发者的数据预处理成本。本次发布的数据集全部来自ALOHA机器人采集的实机操作数据，ALOHA是目前全球科研及产业领域应用最广泛的低成本双臂操作机器人平台之一，具备灵活的精细化操作能力，其相关研发成果已覆盖家政服务、工业协作、医疗辅助等多个场景。
本次开放的数据集共包含45个完整操作episodes，总帧数达46856帧，采集帧率为50fps，覆盖单一双臂操作任务的全流程。数据维度涵盖三大核心板块：一是机器人本体观察数据，包含关节状态、运行速度、末端力觉反馈等核心运行参数；二是对应时间步的机器人控制动作数据；三是多视角视觉数据，分别来自cam_high高位全局摄像头、cam_low低位操作视角摄像头、cam_left_wrist左腕特写摄像头、cam_right_wrist右腕特写摄像头共4个采集设备，单帧图像分辨率为480x640，可同时覆盖双臂操作的全局场景和末端操作细节。所有数据采用Parquet格式存储，目前仅开放训练集，支持主流深度学习框架直接读取调用，适配的ALOHA机器人具备左右臂共14个自由度控制能力，包含夹爪操作维度，可覆盖绝大多数精细化双臂操作场景的训练需求。
从应用场景来看，该数据集可直接用于机器人模仿学习领域的算法训练，开发者无需从零搭建实机数据采集环境，即可开展双臂动作模仿相关研发，大幅降低训练前期的硬件成本和时间成本；也可用于双臂操作控制算法的性能测试，依托同步采集的多模态数据，验证双臂协同控制、力反馈控制、视觉伺服控制等算法的稳定性；此外还可支撑多模态数据融合、小样本机器人学习等前沿方向的研究验证，为具身智能领域的技术创新提供基础数据支撑。
作为具身智能领域的稀缺开源实机数据集，本次发布的产品进一步丰富了机器人学习领域的公开数据供给，有助于降低中小研发团队、科研机构的技术准入门槛，推动具身智能技术从实验室验证向规模化落地加速演进。
查看2026-05-11_twist-lerobot-without-rinse
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)