当前，工业协作机器人、人形机器人等赛道进入快速落地期，而面向垂直场景的高质量标注多模态训练数据，已成为制约机器人操控算法迭代、降低落地成本的核心瓶颈。其中机械臂作为机器人上肢操作的核心载体，其操控训练同时需要视觉感知数据、关节状态数据、动作指令数据的多维度匹配，现有公开数据集普遍存在视角单一、标注维度不全、适配机型覆盖不足等问题，研发团队往往需要投入大量成本自行采集标注数据，拉长了技术落地周期。
作为全球主流的AI开源社区，HuggingFace长期聚集了全球大量AI、机器人领域的研发人员，也是公开训练数据要素流通共享的核心阵地之一。2026年5月15日，数据贡献者jake123456789正式在该平台首发全新机械臂专用数据集eval_2cameras_container_21_9，为行业提供了适配so_follower类型机械臂的高质量多模态训练数据供给。该数据集基于业内广泛应用的开源机器人任务数据集构建框架LeRobot打造，专门面向机械臂操控、机器人视觉感知等研发场景设计。
jake123456789本次发布的数据集eval_2cameras_container_21_9，专为机械臂（so_follower类型）设计。数据集包含动作指令（如肩部平移、肩部升降、肘部弯曲、手腕弯曲、手腕旋转和夹爪位置）、观察状态（与动作相同的关节位置）、来自两个摄像头的视觉观察（前视摄像头分辨率为800x1280x3，手腕摄像头分辨率为720x1280x3），以及时间戳、帧索引、任务索引等元数据。数据以parquet文件格式存储，视频以mp4格式存储，帧率为30fps。数据集用于机器人控制和学习任务，支持多任务和分块处理。
从应用价值来看，该数据集的双视角配置兼顾了全局环境感知与操作细节捕捉需求，多维度标注数据可支撑多类典型研发场景：一是可用于机械臂精细操作模型训练，支撑3C电子装配、工业物料分拣、实验室样本处理等场景的操控算法迭代；二是可服务于机器人视觉感知算法研发，为目标识别、工件位姿估计、动态障碍物感知等算法提供匹配了关节状态的标注数据；三是可用于端到端多模态机器人控制模型训练，帮助研发团队降低数据集采集标注成本，缩短技术研发周期。
作为机器人垂直领域的特色公开数据集，本次发布的eval_2cameras_container_21_9也进一步丰富了全球机器人领域的公开训练数据要素供给，对于推动机器人领域开源协作、降低中小研发团队创新门槛有着积极作用。
查看eval_2cameras_container_21_9
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)