当前人形机器人、工业协作机器人赛道正处于技术迭代关键期，模仿学习作为机器人实现类人精细操作的核心技术路径，长期面临细分场景标注数据不足、多模态数据匹配度低等痛点，尤其是双机械臂协同任务相关的公开数据集供给缺口显著，直接制约了双臂协同控制、高精度操作等核心能力的落地效率。
2026年5月14日，行业开发者ming326在HuggingFace平台首发机器人领域专用数据集nero_candle，为上述技术瓶颈的破解提供了新的基础数据支撑。据悉，该数据集基于LeRobot框架创建，是国内为数不多的聚焦双机械臂跟随任务的公开训练数据集，适配主流机器人控制算法的训练需求。
ming326本次发布的nero_candle数据集共包含67个episodes，总计46168帧采样数据，采样帧率为30fps，完整覆盖了双机械臂跟随任务下的完整操作序列。数据特征层面，该数据集同步提供两类核心标注：一是16维的动作和状态向量，精准对应左臂、右臂各7个关节位置及夹爪位置参数，可直接用于机械臂控制模型的动作拟合；二是来自左腕、右腕和第三人称视角的多维度图像观察，为480x640分辨率的3通道RGB视频数据，可支撑视觉-动作对齐模型的多模态训练。数据集整体采用parquet文件存储，内置时间戳、帧索引、episode索引等完善元数据，大幅降低了开发者的数据预处理成本，可直接适配机器人控制与模仿学习相关任务的训练需求。
从应用场景来看，nero_candle数据集可广泛应用于多个实体产业的机器人技术研发：在工业制造场景中，可支撑双机械臂协同装配、精密元件焊接、产线柔性操作等算法的训练迭代；在物流仓储场景中，可用于异形件分拣、柔性包装、货物拆码垛等双臂作业模型的优化；在医疗与服务场景中，也可为辅助手术操作、家庭服务机器人物品整理等功能的研发提供基础数据支撑。
作为机器人细分场景下的高质量公开数据集，nero_candle的发布进一步丰富了国内机器人训练数据的供给体系，对降低中小研发团队的技术门槛、推动模仿学习技术从实验室走向产业落地具有重要意义，也契合了当前数据要素向实体经济细分场景下沉、赋能产业数字化转型的核心发展方向。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)