当前，具身智能产业正处于技术快速迭代、场景加速落地的关键阶段，高质量、多模态对齐的训练数据集已成为制约机器人通用操作能力提升的核心供给瓶颈。尤其是同时覆盖机器人本体运动状态、动作指令与多视角视觉感知数据的结构化标注数据集，始终是学界、产业界开展机器人智能算法研发的核心刚需资源。近日，开发者jake123456789于2026年5月16日在全球知名AI开源社区HuggingFace首发webcam_container_3机器人专用数据集，为相关领域研发提供了新的开源数据选择。
据了解，webcam_container_3基于LeRobot工具打造，是一套面向机器人技术研发的结构化多模态数据集，核心数据维度涵盖机器人状态、动作数据与多视角视觉数据三大类：其中动作（action）和观察状态（observation.state）均为6维浮点数组，分别对应机器人肩部平移、肩部升降、肘部弯曲、手腕弯曲、手腕滚动和夹爪位置6个核心运动自由度，覆盖了协作机器人、工业机械臂常规操作任务的全维度运动控制需求；视觉数据包含前置摄像头（front）和腕部摄像头（wrist）两路视频流，分辨率分别为1080x1920和800x1280，均为3通道RGB格式，30fps的采样帧率可充分支撑动态作业场景下的视觉感知算法训练。此外，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，可实现不同模态数据的精准时序对齐，大幅降低研发者的数据预处理成本。存储层面，结构化数据以Parquet格式存储，容量约100MB，视频文件以MP4格式存储，容量约200MB，轻量化的存储设计也方便研发团队快速下载测试。目前该数据集标注适配的机器人类型为so_follower，未限定具体任务或应用场景，适配灵活度更高。
从应用方向来看，该数据集可广泛支撑机器人视觉伺服、模仿学习两大核心领域的研发工作：在视觉伺服方向，研发人员可基于多视角视觉输入与对应机器人运动状态的匹配关系，训练机器人根据实时视觉感知结果动态调整运动姿态的能力，潜在应用场景包括工业产线的动态物料分拣、抓取，消费场景下的家居物品整理、操作等；在模仿学习方向，数据集完善的动作-状态对齐标注，可支撑机器人通过学习人类演示的动作序列，自主复现复杂操作流程，大幅降低机器人在细分场景下的适配编程成本。除此之外，由于未限定具体任务，研发者还可根据自身需求，将其拓展至机器人路径规划、多模态感知融合等更多方向的算法训练与效果测试。
作为开源社区新增的轻量化机器人多模态数据集，webcam_container_3的上线不仅为高校科研团队、中小创业企业提供了低成本的训练数据供给，也进一步丰富了具身智能领域的开源数据生态，对推动通用机器人技术的普惠化研发、加速场景落地具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)