近年来，具身智能作为人工智能领域的核心赛道，正在快速从实验室走向工业、服务业等落地场景，而机器人的动作控制、环境感知能力迭代，高度依赖标注完善、模态匹配的高质量训练数据集。当前行业内公开的、同时覆盖机器人关节动作参数与多视角视觉观测的标准化数据集供给相对有限，已成为制约中小研发团队降低试错成本、提升研发效率的核心瓶颈之一。
近日，开发者jake123456789正式对外发布webcam_container_1机器人控制数据集，该数据集于2026年5月16日首发于全球知名AI开源社区HuggingFace，采用行业通用的LeRobot工具创建，主要面向机器人模仿学习、视觉伺服控制两大核心研发场景开放。
从数据构成来看，webcam_container_1完整收录了机器人so_follower的动作序列与状态观测信息：其中动作、状态维度均覆盖肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕旋转和夹爪位置共6个核心维度，可完整还原协作机器人多关节运动的全链路参数；观测维度采用双视角视觉采集方案，同时包含分辨率为800x1280的3通道前摄像头图像、分辨率为1080x1920的3通道手腕摄像头图像，可同时满足机器人全局环境感知、末端执行器近距作业感知两类训练需求。除此之外，数据集还配套了时间戳、帧索引、回合索引、任务索引等完整元数据，方便研发人员快速完成数据对齐、切片与标注校验工作。
在兼容性与授权规则方面，该数据集的结构化字段采用高效压缩的Parquet格式存储，视频素材采用通用MP4格式存储，统一帧率为30fps，可直接兼容PyTorch、TensorFlow等主流深度学习训练框架，无需额外格式转换即可接入训练流程；数据集采用Apache 2.0开源许可证，使用者可自由进行修改、分发甚至商用，大幅降低了研发团队的合规使用成本。
从行业应用价值来看，webcam_container_1可适配多个具身智能研发场景：在机器人模仿学习领域，研发人员可基于数据集中的多关节动作序列与对应的视觉输入，训练机器人复现工业分拣、零件组装、家居服务等复杂作业动作；在视觉伺服控制领域，双视角视觉数据与实时动作参数的一一匹配，可支撑机器人基于视觉反馈动态调整作业路径，应对非结构化环境下的动态任务需求，比如工业产线的柔性作业、服务机器人的动态避障与人机交互等场景。此外，该标准化数据集也可作为行业通用基准测试集，用于不同机器人控制算法的效果横向对比，推动具身智能领域研发评估标准的统一。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)