当前具身智能已成为全球AI产业落地的核心赛道之一，实体机器人在工业生产、家庭服务、公共服务等场景的落地节奏不断加快，但针对柔性物体操作的训练数据始终是行业供给短板——与刚性物体不同，织物、布料等物品形态不固定，操作过程中的状态变化复杂度极高，缺乏大规模标准化数据支撑的情况下，机器人相关操作成功率始终难以达到商用要求。作为HuggingFace推出的全球通用机器人学习数据集格式，LeRobot通过统一数据采集、标注的规范标准，大幅降低了不同研究团队、不同机器人平台之间的数据复用门槛，已成为当前机器人训练领域的主流数据格式之一。
wuc1本次发布的数据集bi_so101_flatten-and-fold-the-rag-then-place-0523_20260523_181127，该数据集为HuggingFace LeRobot格式机器人数据集，于2026年5月23日首发于HuggingFace，覆盖抹布摊平、折叠、归置的全操作链路数据，可直接适配主流机器人学习训练框架。
查看bi_so101_flatten-and-fold-the-rag-then-place-0523_20260523_181127
Dataset card内容：
Files and versions内容：
从应用场景来看，该数据集可广泛应用于多个领域的技术研发：在家用服务机器人赛道，可用于训练机器人完成衣物折叠、桌面织物整理等家务操作能力，提升服务机器人的实用价值，降低家用服务机器人的商用落地门槛；在工业制造场景，可支撑柔性物料分拣、纺织品包装、成衣加工等环节的机器人操作模型训练，进一步扩大工业自动化的覆盖场景；在通用具身智能研发领域，该数据集可作为物理世界交互任务的基础训练数据，帮助大模型提升对实体物体形变规律的理解能力，强化通用具身模型在不同实体操作场景下的适配性。
作为AI训练数据要素的重要组成部分，该专项数据集的发布，进一步丰富了机器人操作领域的标准化数据供给，对推动物理任务学习技术的落地、完善具身智能产业的数据供给体系、加快数据要素在AI研发领域的价值释放均具有积极意义。
_1769672084863.jpg)