当前具身智能产业正处于从实验室研发走向场景落地的关键周期，而高标注度、场景化的真实操作数据供给不足，始终是制约双机械臂精细操作模型迭代的核心瓶颈之一，尤其是面向民用日常杂货、不规则物品的操作场景，公开可用的专项训练数据缺口尤为突出。近日，机器人技术服务商nodogoro正式发布cell1_20260523_mohammed_groceries_packing_20260523_224342数据集，该数据集作为国内少有的针对双机械臂杂货包装全流程的公开数据集，于2026年5月24日首发于全球最大的AI模型与数据集共享平台HuggingFace，主要面向机器人抓取操作、双机械臂包装任务领域的研发需求。
该数据集采用HuggingFace开源的LeRobot机器人学习工具栈创建，针对starpilot_yam_gripper类型双机械臂的抓取、包装全流程动作采集，共包含5个完整的任务执行情节（episodes），总计3355帧标注数据，覆盖单类杂货包装的全操作链路，数据以parquet结构化文件格式存储，配套视频以30fps帧率的mp4格式存储，兼顾了科研场景下的数据读取效率与可视化验证需求。
数据集的标注维度覆盖机器人操作全链路的感知与控制需求：14维动作数据完整记录两个机械臂的位置、旋转角度和夹爪宽度等控制参数，可直接用于机械臂控制模型的行为克隆训练；32维状态观察数据涵盖编码器角度、IMU加速度和角速度、姿态四元数、夹爪开合状态和距离等本体传感数据，为强化学习的状态反馈回路提供高可信度的真值数据；多视角图像数据同时覆盖左腕、右腕和基座三个位置的RGB和深度图像，分辨率分别为480x640和768x1024，可支撑计算机视觉模型对操作对象、空间位置的感知训练，此外还配套时间戳、帧索引、情节索引等元数据，方便研究人员按需调用、拆分数据集。
该数据集可广泛应用于机器人学习、强化学习和计算机视觉等领域的研究，除了直接支撑机器人抓取操作、双机械臂包装任务的模型研发外，还可拓展至零售场景自动拣货打包、工业产线柔性分拣、家庭服务机器人物品整理等多个场景的算法预训练，进一步降低双机械臂精细操作模型的训练成本，加速具身智能技术从实验室向民用、工业场景的落地进程，也为全球具身智能领域的开放协作提供了高质量的公共数据资源。
查看cell1_20260523_mohammed_groceries_packing_20260523_224342
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)