当前，工业柔性制造、人形机器人研发进入高速落地期，双机器人协同作业作为复杂操作场景的核心技术路径，长期面临场景化标注数据稀缺的痛点——多数公开数据集仅覆盖单机器人操作场景，或缺乏关节运动数据与多视角视觉数据的同步采集标注，制约了协同控制算法、多视角感知模型的迭代效率。
近日，数据集贡献者juyoungggg正式对外发布0514_organize_Tape_3_1专用数据集，该数据集于2026年5月16日首发于全球最大的AI模型与数据集社区HuggingFace，专门针对双机器人跟随任务设计，是机器人操作领域少有的同步覆盖运动参数、多视角视觉的多模态数据集。
juyoungggg本次发布的0514_organize_Tape_3_1是专门面向双机器人跟随任务打造的机器人操作数据集，共包含27个训练片段，总计38974帧采集内容，采集频率为30帧每秒，可满足高帧率运动模型的训练需求。数据集的核心特征涵盖三大类：一是机器人运动数据，包含左右两侧机械臂各12个关节的位置参数，覆盖左肩平移、左肩提升、左肘弯曲、左手腕弯曲、左手腕滚动、左夹持器位置及对应右侧关节的全维度动作与观测状态；二是多视角视觉数据，同步采集来自左手腕摄像头、右手腕摄像头、右顶部摄像头三个机位的视频内容，每路视频分辨率为480x640像素、3通道，采用MP4格式封装、AV1编解码器，在压缩存储空间的同时保留了足够的图像细节；三是配套元数据，包含时间戳、帧索引、片段索引、任务索引等字段，可支撑不同维度的数据集拆分与标注调用。全量数据采用Parquet格式存储，结构化数据文件总大小为100MB，配套视频文件总大小为200MB，轻量化的存储设计降低了开发者的下载与使用门槛。
从应用价值来看，该数据集可广泛支撑两大领域的研发需求：在机器人协同控制领域，可用于双机械臂跟随控制算法训练、动态力位协同模型验证、复杂路径规划仿真等场景，助力工业装配、物流分拣、特种作业等场景的双机器人作业方案落地；在多视角视觉感知领域，可用于视觉伺服控制算法、动态目标跨视角追踪、多源视觉融合建模、机器人环境感知等方向的研发，解决单一视角遮挡、动态目标识别精度不足等行业痛点。此外，同步采集的运动数据与视觉数据还可支撑跨模态数据融合算法的研发，为端到端机器人控制模型的训练提供数据基础。随着机器人产业的快速发展，场景化、多模态的高质量数据集已成为AI算法迭代的核心生产要素，本次数据集的发布也将填补双机器人跟随任务场景下的细分数据缺口，进一步推动机器人操作领域的技术落地与开源生态建设。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)