随着具身智能成为全球人工智能领域的落地新赛道，双手机器人凭借更接近人类的操作能力，成为工业、农业、服务业等多场景智能化升级的核心载体，但长期以来，覆盖关节动作、多视角视觉的高质量实采训练数据集稀缺，一直是制约双手机器人算法迭代的核心痛点。近日，AI数据集开放平台tomato-store正式发布yolo_harvest_v1_20260516_221653（简称YOLO Harvest V1）双手机器人专用数据集，该数据集于2026年5月16日首发于全球最大的AI开源社区HuggingFace，采用商业友好的Apache 2.0许可证开放授权，所有开发者均可免费获取使用。
该数据集是专门针对bi_so_follower型双手机器人设计的机器人学任务专用数据集，包含动作数据和观测数据两大同步采集模块：动作数据覆盖左右手臂肩部、肘部、腕部、夹爪共12个关节的位置信息，以浮点数值存储；观测数据除了同步采集的12个关节实时状态数据外，还包含左前、右前、右顶三个机位的视频流数据，分辨率分别为480x640和360x640，采样帧率为30fps，可完整还原双手机器人操作过程中的多视角环境信息与自身运动状态。整个数据集以操作片段（episodes）为单位组织，共包含10个完整操作片段、3106帧同步标注数据，采用parquet结构化数据格式与mp4视频格式存储，适配主流AI训练框架的直接调用。
从应用场景来看，该数据集可广泛支撑双手机器人控制、模仿学习、强化学习等多个具身智能研发方向：比如在农业场景中，可用于训练采摘机器人的双臂协同避障、果实精准抓取算法；在工业制造场景中，可用于3C产品装配、精密零部件加工等场景的操作动作模仿学习，降低机器人示教成本；在家庭服务场景中，可支撑物品分拣、桌面整理等日常操作的算法训练；此外，该数据集的多模态同步标注结构，还可为强化学习算法的环境仿真、效果验证提供真实基准数据。
作为面向细分场景的专用训练数据集，YOLO Harvest V1的发布填补了双手机器人实采多模态数据集的供给缺口，同时依托HuggingFace的全球触达能力与Apache 2.0的开放授权规则，将有效降低学术机构、科技企业的具身智能研发门槛，推动双手机器人技术从实验室走向落地应用，也为AI训练数据要素的市场化、规范化供给提供了典型参考。
查看yolo_harvest_v1_20260516_221653
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)