当前全球具身智能、人形机器人、工业柔性制造赛道正处于技术落地的关键爆发期，多机械臂协同操作、复杂环境多模态感知已经成为机器人落地工业装配、家政服务、助残护理等多元场景的核心技术瓶颈。而覆盖真实/仿真操作全链路、完成多源数据对齐的高质量标注数据集，长期是相关算法训练、模型迭代的核心稀缺资源，直接制约着研发效率与技术落地速度。近日，专注机器人领域数据研发的机构Nodogoro正式上线全新双机械臂多模态操作数据集cell1_20260516_youssef-mohamed_9pm-12pm_lego20260516_233608，该数据集由LeRobot工具构建完成，面向全球机器人研发团队开放使用。
该数据集是专门针对机器人学研究打造的标准化操作数据集，共包含2组完整操作序列（episodes）、7412帧同步采集数据，对应1项标准化操作任务，全程以30fps工业级帧率采集，结构化数据存储为适配AI大模型训练的Parquet格式，结构化数据文件大小100MB，配套多视角视频文件总大小200MB。其核心数据特征覆盖三大维度，可满足多类研发需求：第一是动作控制数据，包含14维浮点数组，精准记录两个机械臂的空间位置、旋转姿态、夹爪开合宽度全量操作参数，可直接作为机械臂控制算法训练的真值标注；第二是本体感知状态数据，包含32维浮点数组，覆盖编码器角度、IMU加速度与角速度、姿态四元数、夹爪开合状态、末端距离传感器等核心硬件采集的原生状态数据，为多模态感知算法提供多源状态对照基准；第三是多视角视觉数据，同步采集左腕、右腕的RGB+深度图像，以及机械臂基座全局摄像头图像，分辨率分别达480x640、768x1024，可支撑视觉伺服、环境感知、操作目标识别等多类视觉算法训练。同时数据集还配套完整的时间戳、帧索引、操作序列索引等元数据，方便研发团队快速按需截取对应场景的数据片段，大幅降低数据预处理成本。
从应用方向来看，该数据集可广泛覆盖机器人领域多个前沿研发场景：在工业制造领域，可用于3C电子精密装配、新能源零部件搬运、复杂工序协同作业等多机械臂控制算法训练；在服务机器人领域，可支撑家政机器人、助残机器人完成复杂物品整理、多任务协同操作的模型迭代；同时数据集完整的“动作-状态-视觉”多源对齐数据，也适用于端到端机器人强化学习、具身智能大模型的训练调优。本次数据集的上线，填补了双机械臂操作细分场景下多模态对齐数据的供给空白，将有效降低相关研发团队的数据采集与标注成本，加速多机械臂协同技术的落地进程。
查看cell1_20260516_youssef-mohamed_9pm-12pm_lego20260516_233608
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)