当前具身智能产业正处于技术落地的关键周期，工业机械臂、人形机器人的AI控制算法训练，对同时包含关节运动数据、多视角视觉感知数据的高质量真实场景数据集需求持续攀升，优质开源数据已成为降低中小研发团队、学术机构研发门槛，加速技术迭代的核心支撑要素。2026年5月16日，开发者jake123456789正式在全球知名开源AI社区HuggingFace首发webcam_container_5机器人控制数据集，为具身智能细分领域的研发提供了新的高质量数据选择。
该数据集采用开源机器人领域主流的LeRobot工具创建，总计包含6个完整的机械臂操作情节（episodes），累计3701帧同步采集数据，适配的机械臂类型为so_follower（可能指一种机械臂系统）。从数据结构来看，数据集覆盖三大类核心数据维度：第一类是动作指令数据，包含肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部旋转、夹爪位置共6项核心关节的操控参数；第二类是状态观察数据，与动作数据对应，同步记录各关节的实时位置反馈；第三类是视觉感知数据，同时配备两个视角的同步采集影像：正面摄像头分辨率为1080x1920，帧率30fps，腕部摄像头分辨率为800x1280，帧率同样为30fps，双视角配置可完整还原机械臂操作过程中的全局环境与作业端细节。此外数据集还配套了时间戳、帧索引、情节索引等完整元数据，整体采用便于AI训练加载的Parquet格式存储，同时配有对应的MP4视频文件，方便开发者快速完成数据校验与预处理。
从适用方向来看，该数据集可广泛适配多类具身智能研发需求：在机器人模仿学习场景中，开发者可基于同步的动作、状态与视觉数据，训练机械臂复现人类演示的复杂操作流程，适用于3C精密组装、仓储分拣、柔性加工等工业场景的算法研发；在轨迹生成场景中，可基于多情节的操作数据训练机械臂的动态路径规划能力，适配复杂环境下的避障、多工位切换任务；在控制策略训练场景中，可基于关节动作与状态的对应关系，优化机械臂的力控精度与响应速度。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)