当前，具身智能已成为全球人工智能领域的核心研发方向，机器人视觉感知能力、复杂场景操作能力的突破，高度依赖高质量、标准化的标注训练数据集。针对机器人领域数据集格式不统一、跨框架适配成本高的行业痛点，HuggingFace推出的LeRobot标准格式，实现了数据集与主流机器人学习框架的直接兼容，大幅降低了研发团队的数据预处理成本。近日，苏黎世联邦理工（ETH）机器人学习研究团队（ETHrobotlearning）正式发布tv-config5-green-blue-red-clean-aug数据集，该数据集为HuggingFace LeRobot格式机器人数据集，于2026年5月18日首次上线HuggingFace社区，面向全球研发团队开放使用。
查看tv-config5-green-blue-red-clean-aug
Dataset card内容：
从公开的数据集卡片信息来看，该数据集覆盖了绿、蓝、红三色目标物体在清洁、移动、抓取等多任务场景下的RGB视觉采集数据，经过了噪声过滤、标注增强、场景分类等标准化预处理，数据标注精度和场景覆盖度均满足工业级模型训练要求，研发人员可直接调取用于算法训练，无需额外做数据清洗工作。
Files and versions内容：
公开的文件版本信息显示，该数据集按场景类型、任务属性做了分层归档，支持研发人员按需截取对应场景的子集开展训练，进一步降低了非目标场景数据的算力消耗，提升训练效率。作为面向机器人视觉与操作领域的专用数据集，tv-config5-green-blue-red-clean-aug可支撑多个赛道的研发需求：在工业机器人领域，可用于机械臂目标识别、分拣操作、精细装配等场景的感知模型训练，提升工业机器人在多颜色工件场景下的操作准确率；在家用服务机器人领域，可适配扫地机器人、家用陪护机器人的障碍物识别、清洁任务规划、小件物体抓取等功能的算法迭代；在通用具身智能研发领域，该数据集还可作为多模态具身大模型的微调训练数据，强化大模型对物理世界操作场景的理解能力。
当前，全球数据要素市场建设持续提速，人工智能训练数据集作为AI产业的核心生产资料，垂直领域专用数据集的市场增速已连续3年超过30%。本次ETHrobotlearning发布的标准化数据集，进一步丰富了全球机器人学习领域的公共数据资源供给，对降低具身智能领域研发门槛、推动机器人操作学习技术的普惠化落地具有重要的行业价值。
_1769672084863.jpg)