当前，AI驱动的机器人技术正处于商业化落地的关键阶段，无论是工业机器人的精密作业、服务机器人的场景交互还是人形机器人的动作控制，都需要大量高质量、标注完善的实机运行数据作为算法训练支撑，而垂直场景的专用训练数据匮乏，已经成为制约机器人控制算法迭代的核心瓶颈之一。近日，数据提供方seriintan正式发布机器人学专用数据集eval_spatialPE_v7_noCA_round1，该数据集于2026年5月17日首发于全球知名AI社区HuggingFace，主要面向机器人视觉伺服、模仿学习控制两大核心研发场景提供数据支持。
据了解，eval_spatialPE_v7_noCA_round1是专门针对so_follower类型机器人打造的训练数据集，采用行业通用的LeRobot框架创建，全量数据集包含24个完整操作episode、3951帧标注数据，以parquet文件格式存储结构化数据，并同步附带原始视频文件，方便研发人员按需调用。数据集的标注维度覆盖机器人运行全链路核心参数：动作维度包含shoulder_pan.pos、shoulder_lift.pos、elbow_flex.pos、wrist_flex.pos、wrist_roll.pos、gripper.pos等6个关节的实时位置数据；观察状态维度同步采集与动作维度对应的关节位置数据，为算法训练提供对照基准；视觉维度搭载前后双摄像头的图像采集数据，分辨率为480x640、3通道，视频采用av1编码，帧率为30fps，可完整还原机器人运行过程中的环境视觉信息；除此之外数据集还包含时间戳、帧索引、episode索引、索引和任务索引等全量元数据，方便研发人员按场景、按操作流程拆分调用。目前该数据集仅开放训练集，核心用于机器人控制和相关学习任务的研发训练。
从应用价值来看，该数据集可覆盖多个机器人研发的核心场景：在视觉伺服方向，研发人员可依托数据集中同步采集的视觉图像与关节位姿数据，训练机器人基于实时视觉反馈调整动作的能力，可用于优化工业装配、零部件分拣、动态目标抓取等场景的作业精度；在模仿学习控制方向，数据集覆盖的完整操作episode序列，可用于训练机器人复刻示教动作的控制策略，降低复杂操作流程的算法开发门槛，还可支撑机器人迁移学习、泛化能力验证等相关研究。除此之外，该数据集采用行业通用的框架与存储格式，标准化程度高，可兼容多数主流机器人训练框架，大幅减少研发团队的数据清洗、格式转换成本。此次该数据集的发布，也进一步丰富了机器人领域专用训练数据的供给池，随着数据要素市场的不断完善，垂直产业的专用数据集正在成为AI技术落地的核心基础设施，这类面向细分技术场景、标注完善的高质量数据集，不仅能够降低中小研发团队的技术研发成本，也有助于推动机器人控制算法的标准化测评，加速相关技术从实验室走向商业化落地。
查看eval_spatialPE_v7_noCA_round1
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)