当前，全球机器人产业正处于技术迭代与落地应用的关键爆发期，双机械臂协同操作、视觉伺服控制等核心技术作为工业机器人、人形机器人实现精细作业的核心能力，其研发高度依赖高质量、多模态的真实场景训练数据集。但长期以来，公开领域面向双机械臂跟随操作场景的结构化标注数据集供给相对稀缺，成为制约中小研究机构、创业企业开展相关技术研发的核心门槛之一。近日，开发者juyoungggg正式对外发布双机械臂领域专用数据集0514_organize_Tape_3_2，该数据集于2026年5月16日首发于HuggingFace，为机器人控制、视觉感知、机器学习等领域的研究提供了全新的基础数据支撑。
本次发布的数据集基于LeRobot工具创建，后者是当前机器人领域应用最广泛的开源数据集构建工具之一，可实现机器人运动数据、视觉数据的同步采集与结构化存储，保障不同模态数据的时序对齐精度。具体来看，0514_organize_Tape_3_2共包含3个完整操作片段、4259帧同步采集数据，覆盖1项双机械臂操作核心任务，整体采用parquet结构化文件格式存储，配套视频采用MP4格式封装，采集帧率为30fps，可充分满足时序性机器人控制算法的训练需求。
从数据标注维度来看，该数据集覆盖三大核心模块：第一是动作标注，包含12个浮点值，对应左右机械臂的全部核心关节位置，具体包括肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部滚动和夹爪位置六大维度，完整还原双机械臂操作的全量运动参数；第二是观察状态标注，与动作参数一一对应，提供机械臂实时关节位置信息，可用于算法预测值与真实值的校验对比；第三是多视角视觉数据，同步采集左腕摄像头、右腕摄像头、右顶部摄像头三路实时图像，分辨率为480x640、3通道，同时覆盖操作场景的全局视角与执行端近景视角，可支撑视觉伺服算法的多视角训练需求。除此之外，数据集还配套了时间戳、帧索引、片段索引、任务索引等完整元数据，方便研究人员按需调用对应片段数据。本次数据集适配的机器人类型为bi_so_follower双机械臂跟随系统，相关标注标准也可迁移至同类型其他双机械臂平台的算法研发中。
从应用价值来看，该数据集可广泛覆盖多个机器人研究方向的典型需求：在机器人模仿学习领域，研究人员可基于数据集标注的真实操作轨迹，训练双机械臂复刻人类操作动作，实现胶带粘贴、零部件组装等精细工业操作的自主执行；在双机械臂视觉伺服领域，依托三路同步视觉数据与关节参数，可研发基于视觉反馈的实时控制算法，提升双机械臂在动态场景下的操作精度与抗干扰能力；在多模态机器人感知与控制领域，可用于验证跨视觉、运动学数据的融合算法效果，为双机械臂协同作业、人机协作等场景的技术研发提供数据支撑。作为公开领域少有的结构化双机械臂操作数据集，0514_organize_Tape_3_2的发布，一方面进一步丰富了机器人领域的开源数据供给，降低了中小研究团队、创业公司在双机械臂技术研发中的数据获取门槛；另一方面也为不同机构的同类算法提供了统一的测试基准，有助于推动机器人控制领域技术的标准化迭代，对工业机器人、人形机器人等赛道的技术落地具有重要的支撑作用。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)