近年来，随着人形机器人、工业柔性自动化、家用服务机器人赛道的快速发展，机器人对布料、软包等可变形态柔顺物体的操作能力，成为决定场景落地能力的核心技术门槛之一。但由于柔顺物体形变量不可控、操作序列标注难度大，面向该场景的高标注度公开训练数据集一直处于稀缺状态，很大程度上抬高了相关技术的研发成本。
近日，开源机器人数据项目open-cloth正式发布so101-full-fold-bloopers-g8专用数据集，并于2026年5月14日率先上线HuggingFace平台开放获取。据介绍，该数据集基于LeRobot框架创建，专门面向so_follower类型的布料折叠机器人任务设计，是当前少数聚焦柔顺物体操作场景的公开数据集之一。
本次发布的数据集共包含7个完整操作情节（episodes），累计6514帧标注数据，覆盖1项核心机器人操作任务，存储采用parquet结构化数据+mp4视频文件的组合形式，兼顾算法训练的调用效率与可视化验证需求。数据集的标注维度覆盖三大类：第一类是机器人动作数据，包含肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕旋转、夹爪位置共6项核心执行机构参数；第二类是观察状态数据，包含与动作数据同步的机器人关节位置数据、夹爪视角采集的RGB图像数据，图像分辨率为480x640、3通道、帧率30fps，完整复现机器人操作过程中的视觉输入环境；第三类是时序元数据，包含时间戳、帧索引、情节索引、任务索引等标注字段，方便研究人员根据研究需求拆分、调取对应数据片段。
从应用方向来看，该数据集可广泛支撑机器人控制、视觉感知、任务学习等多个方向的研究工作：在工业场景中，可用于服装制造环节的布料分拣、自动折叠、缝制上料等机器人的算法训练，降低柔性自动化产线的研发成本；在家用服务机器人场景中，可支撑衣物整理、折叠等生活化功能的模型训练，推动服务机器人走入家庭场景；在通用机器人技术研发层面，该数据集还可作为视觉伺服控制算法、多模态任务学习模型的基准验证数据集，帮助研发团队无需搭建复杂硬件测试环境即可完成算法的初步迭代验证，对推动机器人柔性操作技术的普惠化发展具有重要意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)