当前，全球人形机器人、工业协作机器人产业正进入落地攻坚期，高标注质量、场景匹配度高的训练数据集，已成为制约机器人动作控制技术迭代的核心瓶颈，尤其是手部精细作业类场景，由于需要同步采集关节动作、视觉观测、时序标签等多维度数据，采集与标注成本居高不下，行业长期存在优质数据供给不足的问题。
2026年5月18日，技术厂商vibeyvibey正式在HuggingFace平台首发duct_tape_to_hand_dataset_v2机器人学专项数据集，该数据集基于开源机器人数据工具LeRobot打造，专门适配so_follower类型机器人的训练需求，可广泛应用于机器人动作模仿、视觉伺服控制等研发领域。
从数据集参数来看，本次发布的v2版本共包含15组完整训练集，累计收录5462帧有效标注数据，所有数据均可直接用于模型训练；为提升开发者调用效率，数据采用分块存储模式，单块容量为1000帧，结构化数据文件总大小为100MB，配套观测视频文件总大小为200MB，采集帧率为30fps，在保障时序精度的同时降低了传输与存储成本。
数据维度方面，该数据集覆盖三大类核心研发所需数据：第一类为机器人动作标注数据，包含肩部平移、肩部升降、肘部弯曲、手腕弯曲、手腕滚动、夹爪位置六大核心关节的动作参数，可直接为动作生成模型提供训练真值；第二类为观测状态数据，同步采集对应动作执行过程中的机器人关节实时位置，为动作闭环控制研发提供对照依据；第三类为视觉观测数据，为机器人前置摄像头同步采集的作业画面，分辨率为480x640，采用AV1编码，在保障画质的同时进一步压缩了存储体量，可直接用于视觉伺服相关模型的训练。此外，数据集还配套了完整的元数据体系，包含时间戳、帧索引、回合索引、任务索引等标注字段，可支持时序动作预测、多任务迁移学习等更多方向的研究需求。
值得关注的是，该数据集采用Apache 2.0开源许可证，开发者可免费将其用于非商业或商业研发场景，无需额外申请授权，大幅降低了中小研发团队的技术准入门槛。
从应用价值来看，该数据集可支撑多类机器人技术研发场景：在动作模仿方向，开发者可基于标注的动作序列，训练机器人复现粘胶带等手部精细作业动作，适配工业组装、设备运维、家庭服务等场景的作业需求；在视觉伺服控制方向，开发者可依托同步的视觉画面与动作真值，训练机器人通过实时视觉反馈调整动作姿态，提升复杂非结构化环境下的作业精准度与稳定性。此外，依托完善的多维度标注，该数据集也可拓展应用于机器人多模态感知、小样本动作学习、人机协作安全控制等前沿研究领域。
作为机器人细分场景的专项开源数据集，本次duct_tape_to_hand_dataset_v2的发布，既为so_follower类型机器人的研发提供了标准化的训练基础，也为机器人领域的数据集开源共享体系建设提供了参考样本，对推动机器人动作控制技术的落地迭代、完善数据要素在人工智能实体化场景的供给体系具有积极意义。
查看duct_tape_to_hand_dataset_v2
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)