当前服务机器人在零售、仓储、餐饮等场景的商业化落地进程不断加速，而覆盖真实操作场景、包含多模态感知与控制数据的高质量训练数据集，是机器人操作算法迭代、任务适配能力提升的核心支撑。尤其在杂货包装、商品分拣等民用场景，涉及多形态物品抓取、双臂协同作业等复杂需求，对应公开训练数据供给仍存在明显缺口，成为制约相关场景机器人落地效率的重要瓶颈。
近日，机器人技术研发机构Nodogoro正式发布杂货包装场景专项机器人操作数据集cell1_20260523_mohammed_groceries_packing_20260523_223034，该数据集于2026年5月24日首发于全球知名AI开源社区HuggingFace，主要面向机器人操作、智能包装任务领域的研发需求开放。
据公开信息显示，该数据集是典型的真实场景机器人操作训练数据集，基于行业主流的LeRobot开源机器人学习框架创建，所有数据采集自型号为starpilot_yam_gripper的双臂机器人执行杂货包装任务的全流程记录，共包含5个任务周期（episodes）、3493帧有效数据，采集帧率为30fps，覆盖机器人操作全链路的多维度数据：既包含14维的臂部位置、抓取宽度等动作指令数据，也包含32维的编码器角度、IMU数据、姿态信息等观测状态数据，同时同步采集了左腕、右腕、基座三个位置摄像头的图像观测数据，同步提供分辨率480x640的RGB图像与768x1024的深度图像，配套搭载时间戳、帧索引、episode索引等完整元数据，所有数据采用适配大数据训练场景的Parquet格式存储，可直接对接主流机器人学习与控制研究的研发流程。
从应用价值来看，该数据集聚焦民用杂货包装的真实场景，填补了当前公开数据集中双臂协同包装场景多模态数据的供给空白，可广泛应用于多个研发方向：一是双臂协同作业算法训练，帮助优化机器人在不规则物品包装场景下的抓取力度、路径规划能力；二是商超、前置仓场景智能打包工作站的开发，适配常见日用品、食品的包装操作需求；三是仓储物流自动分拣包装系统的算法验证，降低真实环境测试的时间与硬件成本；四是人机协同包装系统的交互逻辑优化，提升人机协同作业的效率与安全性。
作为机器人领域的垂直场景专业数据资产，本次数据集的发布也进一步丰富了国内机器人训练数据的公开供给，为数据要素在智能制造、零售数字化等领域的价值落地提供了典型参考样本。
查看cell1_20260523_mohammed_groceries_packing_20260523_223034
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)