当前，人形机器人、工业协作机器人赛道进入高速发展期，多模态实机采集标注数据作为机器人智能算法训练的核心生产要素，其稀缺性、标准化程度低已成为制约行业研发效率的核心瓶颈。近期，开发者jake123456789正式发布专门面向跟随类机器人任务的专用数据集eval_2cameras_container_21_18，该数据集于2026年5月15日首发于全球领先的AI模型与开源数据集社区HuggingFace，为细分场景的机器人研发提供了新的公共数据资源。
据了解，本次发布的数据集基于HuggingFace推出的机器人学习开源工具链LeRobot创建，完全适配跟随类型机器人的任务训练需求。数据集核心标注特征覆盖动作（action）和观察状态（observation.state）两大维度，均包含肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕旋转和夹爪位置共6个核心关节的位置数据，采用float32格式存储，精度可满足绝大多数工业级、消费级跟随机器人的控制训练要求。视觉数据方面，该数据集同时采集前视（front）全局视角和腕部（wrist）近场操作视角的两路视频流，前视图像分辨率为800x1280x3，腕部图像分辨率达1328x1760x3，帧率为30fps，可完整复现操作过程中的动态细节，避免视觉跟踪的帧差误差。此外，数据集还配套了时间戳（timestamp）、帧索引（frame_index）、剧集索引（episode_index）、索引（index）和任务索引（task_index）多维度索引字段，方便开发者按需截取对应场景的训练数据，大幅降低数据预处理成本。存储方面，数据集结构化内容采用行业通用的parquet文件格式存储，总结构化数据文件大小为100MB，配套视频文件大小为200MB，整体轻量化设计适配本地训练、云训练多种部署模式，对应适配机器人类型为so_follower，兼容LeRobot v3.0版本代码库，开发者可直接接入现有训练流程，无需额外做格式适配。
从应用价值来看，该数据集主要面向机器人视觉跟随、关节运动控制两大核心领域的研发需求，典型应用方向包括：一是工业协作机器人的示教跟随训练，开发者可基于双视角视觉数据+关节同步标注数据，训练机器人复现人类操作者的操作动作，实现无代码化的工业产线快速部署；二是服务机器人的动态跟随功能研发，前视全局视角数据可用于训练机器人识别跟随目标、规避路径障碍，腕部视角数据可支撑近距离交互场景下的精细化动作控制；三是机器人控制算法的基准测试，标准化的标注数据和统一的框架适配性，可作为不同跟随控制算法效果对比的统一测试集，降低行业研发的验证成本。本次数据集的开源发布，进一步丰富了机器人领域的公共训练资源池，对降低中小研发团队的准入门槛、推动跟随类机器人技术的落地应用具有积极意义。
查看eval_2cameras_container_21_18
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)