随着具身智能产业进入快速落地期，机器人操作技能的训练效率成为决定商业化进程的核心因素，而高质量、场景化的标注数据集是支撑机器人学习迭代的核心基础设施。此前，拾取放置作为工业装配、物流分拣、家庭服务等场景中最高频的机器人操作任务，长期缺乏统一标准、多模态对齐的专项训练数据集，相关研究团队往往需要投入大量成本自行完成数据采集与标注工作，显著抬高了研发门槛。
adrrrobo本次发布的Pick_and_Place_20260517_134015数据集正是针对这一行业痛点打造的专项机器人操作数据集，采用行业通用的LeRobot工具创建，全部内容于2026年5月17日首发于HuggingFace平台。该数据集聚焦拾取和放置核心任务，共包含50个完整操作回合，累计25557帧数据，采样率为30fps，可充分覆盖拾取、转移、放置全流程的动作细节。数据维度方面，数据集完整记录了so_follower型机器人的6自由度关节位置作为动作标签与状态观测值，同时同步采集了三路摄像头的视频观测数据：分别为640x480分辨率的前视摄像头、480x640分辨率的腕部摄像头，以及480x848分辨率的RealSense深度摄像头，实现了视觉感知数据与机器人本体状态数据的精准时间对齐。存储格式上，动作与状态数据采用高压缩比、高读取效率的parquet格式存储，视频流采用通用mp4格式存储，方便不同研究团队快速调用适配。
从应用方向来看，该数据集可广泛适配机器人学习、模仿学习、强化学习等多个研究方向的需求：在模仿学习领域，研究人员可基于该数据集训练机器人复刻标准化拾取放置操作路径，降低人工示教成本；在强化学习领域，数据集可作为基准测试集，用于验证奖励函数合理性、测试策略迭代效率；在多模态感知研究领域，同步的视觉数据与关节状态数据可支撑机器人动态操作过程中的环境感知、姿态调整算法优化。此外，该数据集也可为工业分拣机器人、3C装配机器人、家庭服务机器人的落地应用提供预训练数据支撑，缩短产品研发周期。
从数据要素产业的维度来看，本次专项数据集的开放，是具身智能领域数据资产公共供给的重要补充，有助于推动机器人操作训练数据的标准化建设，降低行业整体研发成本，加快具身智能技术从实验室向落地场景的转化进程，为数字经济与实体经济的深度融合提供技术支撑。
查看Pick_and_Place_20260517_134015完整数据集
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)