当前全球智能机器人产业正进入智能化迭代的关键周期，模仿学习作为机器人从预定义任务向通用操作能力演进的核心技术路径，其研发进展高度依赖高标注质量、多模态融合的场景化数据集支撑。此前双机械臂精细操作领域的开源数据集供给相对稀缺，尤其是同时覆盖机械本体状态、多视角视觉感知、动作真值标注的全链路数据不足，一定程度上制约了相关算法的研发效率与落地进程。 近日，专注于机器人控制技术研发的机构nodogoro正式发布专项数据集cell1_20260516_youssef-mohamed_9pm-12pm_lego20260516_222923，该数据集基于LeRobot开源框架创建，是一个聚焦双机械臂控制的垂直场景数据集，主要面向starpilot_yam_gripper类型双机械臂的遥操作或自主任务训练需求。数据集围绕乐高搭建场景采集，包含2个完整操作episodes，总计12840帧有效数据，数据以parquet格式存储，配套操作视频以mp4格式存储，采样帧率为30fps，可完整还原连续操作的全流程时序信息。 该数据集的标注维度覆盖机器人控制全链路核心参数：14维的动作向量可精准对应两个机械臂的x、y、z空间位置，rx、ry、rz三轴旋转角度，以及夹爪宽度控制指令，为算法训练提供标准动作真值；32维的观测状态包含编码器角度、IMU加速度和角速度、位姿坐标和四元数、夹爪开合状态和距离等本体运行数据，可支撑算法对机械臂实时状态的精准感知；除此之外，数据集还同步收录了左腕、右腕、基座三个位置摄像头采集的RGB图像和深度图像，分辨率分别为480x640和768x1024，多视角的多模态视觉数据可完整还原操作场景的三维环境信息，支撑多模态融合的机器人控制算法研发。 从应用价值来看，该数据集可广泛适配机器人学习、模仿学习或强化学习任务的训练需求，典型应用方向包括工业领域3C电子精密装配、小零部件分拣、定制化产品组装，服务机器人领域家居物品整理、教具搭建、精细化操作服务，以及人形机器人上肢控制算法训练、遥操作机器人临场感控制模型优化等，为相关技术研发提供高质量的训练数据支撑。此次nodogoro开源该专项数据集，进一步丰富了全球机器人操作领域的开源数据供给，降低了中小研发团队、高校实验室的数据集采集门槛，对推动双机械臂控制技术落地、加速通用机器人操作能力迭代具有重要的支撑作用。
查看cell1_20260516_youssef-mohamed_9pm-12pm_lego20260516_222923
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)