当前具身智能产业进入快速落地期，机器人运动控制精度、多模态环境感知能力成为技术迭代的核心瓶颈，而覆盖真实关节状态、多视角视觉信息的高质量标注数据集，是支撑算法训练、模型评测的核心基础设施。近日，asdl-unist正式上线全新机器人学专用数据集，进一步填补了跟随类机器人训练数据的供给缺口。
asdl-unist本次发布的数据集eval_1-multiple-128LR-5aug-16b-5epch-3于2026年5月11日首发于全球知名AI模型与数据集托管平台HuggingFace，专门针对so_follower类机器人的研发需求设计。该数据集共包含10个任务序列（episodes），总帧数达10895，数据主体采用便于大数据处理的parquet格式存储，同步附带动画视频文件，总大小约200MB，方便研发人员快速加载、调试。 从数据集特征维度来看，其标注维度覆盖机器人控制全链路核心参数：一是动作（action）维度，包含肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕滚动和夹爪位置共6个浮点型关节位置数据；二是观察状态（observation.state）维度，提供与动作参数一一对应的6个关节实时位置反馈数据；三是双视角图像观察数据，分别为顶部全局视角（observation.images.top）和手腕第一视角（observation.images.wrist），两者均为480x640分辨率、30fps的RGB视频流；此外还配套有时间戳、帧索引、episode索引、任务索引等完整元数据，可满足多模态算法的训练与评测需求。
从应用场景来看，该数据集可广泛应用于机器人运动控制、多模态感知学习两大核心领域：在运动控制场景中，研发团队可基于标注的关节动作与状态反馈数据，训练跟随机器人的动作平滑度算法、避障逻辑，优化机械臂操作的精准度与响应速度；在多模态感知学习场景中，结合双视角视觉数据与关节状态数据，可训练机器人的环境感知、动态目标跟随、自主抓取等能力，也可作为标准化测试集，对不同厂商的机器人控制算法性能进行横向对比评测。该数据集的上线，也为降低中小研发团队的数据集采集成本，推动具身智能领域的技术开源、标准统一提供了支撑。
查看eval_1-multiple-128LR-5aug-16b-5epch-3
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)