近年来，随着人形机器人、工业柔性作业机器人赛道的快速爆发，机器人模仿学习、强化学习的训练数据缺口持续扩大，尤其是双机械臂协同作业场景的标准化标注数据集，一直是制约相关算法落地的核心瓶颈之一。近日，开发者juyoungggg正式对外发布0514_organize_Battery_4机器人控制专用数据集，该数据集已于2026年5月15日首发于全球最大的AI模型与数据集共享平台HuggingFace，面向全球机器人研发团队开放使用。
据介绍，该数据集基于Meta开源的LeRobot机器人学习工具框架构建，面向bi_so_follower型号双机械臂机器人的单一作业任务设计，共包含30组完整作业演示序列（episodes），总数据帧规模达42240帧，采样帧率为30fps，完全符合机器人控制算法的训练时序要求。数据集主体采用结构化程度更高、读写效率更优的parquet文件存储，配套的视频流文件采用通用MP4格式，适配主流AI训练框架的直接调用。
在数据维度方面，该数据集覆盖了动作、观测、元数据三大类核心字段：其中动作数据为12维浮点数组，完整记录了双机械臂左右臂的肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部旋转、夹爪位置共6类核心关节的实时位置；观测数据除了包含与动作数据对齐的12维关节位置状态数据外，还同步采集了左腕摄像头、右腕摄像头、右顶部摄像头三个视角的视频流，单帧分辨率为480x640的3通道彩色视频采用AV1编解码器压缩，在保障画质的前提下有效降低了数据存储成本；此外，数据集还配套了时间戳、帧索引、episode索引、任务索引等完整元数据，方便研发团队按需拆分、筛选训练样本。
从应用价值来看，该数据集可广泛应用于各类机器人学习任务的训练与验证：在工业场景中，基于该数据集训练的双机械臂控制算法可适配3C电子精密装配、动力电池生产环节上下料、半导体器件转运等柔性作业需求，有效提升双机械臂的动作精度与协同效率；在科研领域，该数据集可支撑模仿学习、强化学习方向的算法迭代，降低双机械臂控制算法研发的实物测试成本，缩短研发周期。作为当前少数针对特定型号双机械臂细分场景的公开高质量数据集，0514_organize_Battery_4的发布进一步丰富了全球机器人学习领域的公开数据供给，为数据要素赋能实体制造业、机器人产业数字化研发提供了新的基础资源支撑。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)