随着具身智能产业进入快速落地期，机器人关节控制精度、模仿学习能力已经成为衡量协作机器人、服务机器人性能的核心指标，而覆盖多传感器同步、动作-状态对齐的高质量标注数据集，是相关算法研发与模型训练的核心底座，也是当前行业供给相对稀缺的关键资源。近日，开发者yusufyusufyusuf1发布的eval_ACT_new_name_cube_bucket_delete23专用机器人控制数据集正式上线HuggingFace，为相关领域的研发工作提供了新的开源数据选择。
据公开信息显示，该数据集基于HuggingFace开源的LeRobot机器人学习工具链创建，专门适配so_follower类型的跟随式协作机器人，是当前少数针对细分机器人品类打造的结构化控制数据集。数据集核心内容包含机器人动作数据与状态观测数据两大类别，其中动作与状态观测均覆盖机器人六大核心关节的位置参数：包括肩部平移、肩部升降、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置，完整覆盖六轴协作机器人的全自由度运动维度。除结构化的关节参数外，观测数据还同步采集了侧视、前置两个摄像头的实时视频流，视频分辨率为480x640像素，帧率为30fps，实现了视觉输入与关节状态的时间维度对齐，解决了多模态数据训练中常见的时序错位问题。
在存储架构上，该数据集采用大数据领域通用的parquet格式存储结构化的动作与状态数据，便于开发者快速读取、清洗与训练调用，视频文件则采用标准化mp4格式存储，兼容主流的机器学习训练框架。数据集还配套了完整的元数据字段，包括时间戳、帧索引、回合索引、任务索引和全局索引，方便开发者进行多维度的数据集拆分与场景化筛选，可灵活适配不同训练目标的数据需求。目前公开版本的数据集总大小约为300MB，其中结构化数据文件100MB，视频文件200MB，元数据中显示的总回合数、总帧数和总任务数均为0，或为示例版本，后续将逐步完成全量数据填充。该数据集采用Apache-2.0开源许可证，允许开发者免费用于学术研究、商业研发等各类场景，无额外授权限制，大幅降低了中小团队的研发门槛。
从应用场景来看，该数据集可广泛用于机器人关节控制、模仿学习两大核心领域的研发工作：在关节控制方向，开发者可基于已标注的六轴关节参数，验证不同控制算法的响应精度、联动效率，优化机器人运动轨迹规划能力，降低工业场景下的操作误差；在模仿学习方向，同步对齐的双视角视频与关节数据，可支撑多模态模仿学习模型的训练，让机器人实现通过视觉输入复刻人类操作动作，可覆盖工业装配、物料分拣、服务机器人物品抓取等多个落地场景的算法研发需求。此外，该数据集的结构化存储标准、多维度元数据设计，也可为后续同类型机器人数据集的标准化建设提供参考，推动具身智能开源数据生态的完善。
查看eval_ACT_new_name_cube_bucket_delete23
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)