LikesOOrange发布robot_pick机器人任务数据集 赋能具身智能视觉伺服、操作学习研发

当前具身智能产业进入落地攻坚期，视觉伺服、操作学习作为机器人实现自主复杂操作的核心技术，其算法迭代高度依赖高质量、多维度的实机采集训练数据，但行业内针对单一抓取任务的标准化数据集供给仍相对有限，成为制约相关技术研发效率的核心瓶颈之一。

日前，人工智能研发机构LikesOOrange正式发布robot_pick机器人任务数据集，该数据集于2026年5月23日首发于全球最大的AI模型与数据集开源社区HuggingFace，面向机器人视觉伺服、操作学习领域研发需求打造，是国内为数不多的基于实机采集的垂直场景机器人任务数据集。

LikesOOrange本次发布的数据集robot_pick使用LeRobot工具创建，是专门针对机器人抓取类单一任务设计的训练数据集，共包含50个episode、22250帧实机采集数据。数据集的核心特征覆盖三大维度：第一是运动状态数据，包含6维关节位置的动作和观测状态，可直接用于机器人控制策略的训练校验；第二是多视角视觉数据，包含前视角和第三人称视角的图像观测，均为480x640分辨率的30fps彩色视频，可支撑视觉感知类算法的研发；第三是全链路元数据，包含时间戳、帧索引、episode索引等字段，可满足时序类算法的训练需求。本次发布的数据对应机器人类型为so_follower，全部数据以parquet和mp4视频格式存储，可直接对接主流机器学习框架，适用于各类机器人控制与视觉学习任务。

从应用价值来看，robot_pick覆盖的多维度数据可满足不同技术方向的研发需求：关节运动数据可用于机器人抓取力度、动作路径的算法优化，双视角视觉数据可支撑视觉伺服算法的位姿估计、动态环境感知能力训练，完备的元数据则可帮助研发团队降低数据预处理成本，提升算法迭代效率。未来该数据集可广泛应用于工业分拣、物流拆垛、家庭服务机器人抓取等场景的算法预训练，帮助研发团队减少实机测试频次，降低研发投入。作为垂直领域的高质量数据集，robot_pick的发布也进一步丰富了国内具身智能领域的数据要素供给，为数据要素赋能人工智能产业发展提供了典型样本。

查看robot_pick

Dataset card内容：

Files and versions内容：