随着全球具身智能产业进入落地攻坚期，高质量真实场景采集的机器人控制数据，已成为制约算法从仿真走向实机部署的核心瓶颈：多数中小研发团队受限于硬件成本、采集标准不统一等问题，难以获取符合训练要求的标注化数据，直接拖慢了机器人控制模型的迭代效率。近期，开发者AnanyaP216正式发布的record-test_20260522_094957数据集，正是瞄准这一行业需求推出的机器人控制领域专用数据集，该数据集于2026年5月22日首发于全球最大的AI开源社区HuggingFace，主要面向机器人关节控制、视觉伺服控制两大核心场景提供数据支撑。
据公开信息显示，本次发布的数据集采用HuggingFace官方推出的开源机器人学习工具栈LeRobot创建，具备良好的框架兼容性，可直接对接主流具身AI训练流程。数据集共覆盖2个典型机器人控制任务，包含2393组同步采集的标注帧，采样帧率为30fps，核心特征维度覆盖机器人控制全链路需求：其中6维浮点动作数组对应肩部平移、肩部提升、肘部弯曲、手腕弯曲、手腕旋转和夹爪位置六大核心运动维度，与同等维度的观测状态数组形成映射关系；同时搭载前视摄像头采集的480x640分辨率3通道彩色视频（采用AV1编码），配套时间戳、帧索引、任务索引等结构化标注字段。本次数据集采集所用机器人型号为so_follower，结构化数据采用Parquet格式存储、视频文件采用MP4格式存储，兼顾了数据读取效率与场景还原度。
从应用价值来看，该数据集可广泛用于机器人控制模型的训练与效果评估，典型落地场景包括：在工业机械臂关节控制领域，可基于该数据集打磨关节位置调控算法，提升3C精密装配、医药无菌分拣等场景的动作精度与稳定性；在视觉伺服控制领域，可依托同步采集的图像与动作数据，训练机器人根据实时视觉反馈动态调整动作路径，实现动态物体抓取、人机协作场景主动避障等功能；此外该数据集也可作为行业基准测试集，为不同控制算法的横向效果对比提供统一的评估标准，进一步推动机器人控制领域的技术标准化进程。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)