当前全球具身智能与服务机器人产业正处于技术落地的关键周期，高质量、标注完善的场景化训练数据，是支撑机器人控制算法迭代、感知能力优化的核心生产要素，而面向实体机器人真实运行场景的专用数据集，长期是产业供给的核心缺口之一。近日，jailcode正式对外发布由LeRobot创建的机器人学专用数据集record-test_20260515_143929，该数据集已于2026年5月15日首发上线HuggingFace，面向全球AI与机器人研发人员开放获取。
据公开信息显示，本次发布的数据集针对机器人学专项任务打造，包含一个总时长为611帧的单个训练集片段，结构化数据以parquet格式存储，总数据大小为100MB，配套视频文件大小为200MB。数据维度覆盖机器人运行全链路特征：其中动作维度包含6个浮点数，对应机器人关节位置参数；观测状态维度同样包含6个浮点数，对应机器人实时关节位置采集值；视觉维度同步采集了1080x1920分辨率、30fps的前视RGB视频与同规格顶视RGB视频，同时配套时间戳、帧索引、片段索引、任务索引等完整元数据，适配机器人类型为so_follower，可直接用于机器人控制模型的训练与效果评估。
从应用方向来看，该数据集可广泛覆盖机器人运动控制、视觉导航两大核心研发场景。在运动控制领域，研发人员可依托数据集中关节动作指令与实际观测状态的对应标注数据，开展机械臂路径规划、动态力控调整、近场避障等方向的算法训练，也可将数据集作为标准测试集，验证现有控制模型在精细化操作场景下的精度、响应速度与稳定性；在视觉导航领域，双视角同步采集的高清视频数据与位置、时间戳的关联标注，可支撑机器人室内自主导航、动态环境感知、视觉SLAM（同步定位与地图构建）等技术的迭代研发，大幅降低团队自主采集场景数据的时间与成本投入。
作为数据要素市场中垂直领域的专项训练数据资源，本次上线的机器人学数据集针对具身智能研发需求优化了数据标注框架，不仅为中小研发团队、高校科研团队提供了低成本的高质量数据供给，也为机器人领域标准化训练数据集的构建提供了参考样本，对推动具身智能技术落地、完善AI训练数据产业供给体系具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)