近年来，随着生命科学研发数字化、自动化需求持续释放，实验室场景的服务机器人部署增速显著，而双手机器人在精细移液、样本处理等高精度操作上的算法训练，长期缺乏覆盖多元场景、多维度标注的标准化开源数据集，同时机器人操作模型的分布外（OOD）泛化能力测试，也一直是制约相关技术从实验室走向落地的核心痛点之一。作为全球知名的非营利人工智能研究机构，Allen Institute for AI（艾伦人工智能研究所）此次发布的eval_xvla_pipette_ood数据集，正是面向上述行业需求推出的专用机器人任务数据集，该数据集采用LeRobot开源机器人学习工具栈创建，专为bi_yam_follower型双手机器人设计，包含23个完整任务片段（episodes），总计11466帧标注数据，覆盖3种不同的移液操作任务。数据集结构化数据以Parquet格式存储，总数据文件大小约100MB，配套视频文件大小约200MB，视频帧率为30fps，兼顾了数据读取效率和存储便携性，中小研发团队可快速下载调用。
该数据集的核心标注维度覆盖了双手机器人操作的全量核心参数：动作（action）为14维浮点数组，分别对应左、右机械臂的6个关节位置和夹爪位置；状态观测（observation.state）同样为14维浮点数组，可实时反映机器人关节运行状态；多视角图像观测（observation.images）包括右侧、左侧和顶部三个视角的RGB视频流，分辨率均为360x640、3通道，采用高压缩比的AV1编码，在保证画面清晰度的前提下大幅降低了传输和存储成本；此外数据集还配套了时间戳、帧索引、片段索引、全局索引和任务索引等结构化标注字段，可直接对接主流机器人学习框架，省去大量数据预处理工作。目前数据集仅开放训练集（splits.train: 0:23），适用于机器人模仿学习、强化学习或行为克隆等算法研发任务，尤其适合研究基于多视角视觉输入的双手机器人控制方案。
从应用价值来看，该数据集可在两大领域释放核心作用：在机器人操作技能学习领域，其自带的分布外场景设计可用于测试机器人控制算法的泛化能力，为实验室精细操作场景的OOD测试提供了新的标准化数据选择；在实验室自动化领域，移液操作是生命科学、化学分析等实验室中最高频的重复性操作之一，基于该数据集训练的机器人模型，可落地于高通量药物筛选、生物样本前处理、试剂精准分装等场景，降低人工操作的误差率和生物安全风险，提升实验流程的一致性和运行效率。该数据集采用Apache 2.0开源许可证，允许商业使用、修改和二次分发，对科研团队和商业化研发团队均十分友好。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)