近年具身智能产业进入商业化落地快车道，机器人操作、多臂协同等核心技术的迭代高度依赖场景化、多模态的高质量实测数据集，而针对细分民用、工业操作场景的标注数据供给不足，已成为制约相关技术落地的核心瓶颈之一。近日，机器人技术厂商Nodogoro正式对外发布杂货包装场景双机械臂操作专用数据集，该数据集全称为cell1_20260523_mohammed_groceries_packing_20260523_223826，于2026年5月24日首发于全球领先的AI开源社区HuggingFace，可广泛应用于机器人操作、双机械臂协同等领域的技术研发。
据公开信息显示，该数据集为专用机器人操作数据集，基于LeRobot框架创建，核心面向starpilot_yam_gripper型号双机械臂的杂货包装任务场景采集。本次发布的数据集共包含5个完整任务片段（episodes），总计2829帧采样数据，采样帧率为30fps，数据采用parquet结构化存储格式与mp4视频格式两种方式存储，可适配不同研发场景的调用需求。从数据维度来看，数据集覆盖三大类核心数据：一是14维动作特征数据，包含机械臂空间位置、旋转角度、夹爪开合宽度等核心控制参数；二是32维观测状态特征数据，覆盖编码器角度、IMU惯性测量数据、机械臂实时姿态等运行状态信息；三是多视角视觉观测数据，包含左腕、右腕、基座三个点位摄像头同步采集的RGB图像与深度图像，完整还原包装操作全流程的环境感知信息。目前所有数据均已完成训练集预处理，研发团队可直接调用开展机器人学习、运动控制算法的训练与验证工作。
作为细分场景下的专用操作数据集，该产品可支撑多领域的技术研发需求：在服务机器人场景，可用于训练商超零售、家庭服务场景下的商品分拣、杂货包装、物资整理等操作技能，优化服务机器人的民用场景适配能力；在工业机器人场景，可为食品包装、3C组装、仓储分拣等多工位双机械臂协同作业的算法训练提供场景参考，降低工业机器人的定制化开发成本；在具身智能大模型研发领域，可补充真实物理世界操作的细粒度多模态数据，提升大模型在实体操作任务中的推理精度与执行稳定性。该数据集的发布，一方面填补了杂货包装细分场景下双机械臂操作多模态数据集的供给空白，为中小研发团队降低了实测数据采集的成本门槛；另一方面也为机器人操作技术的标准化测试提供了基准参考素材，有助于推动双机械臂协同技术的性能迭代与落地应用，进一步支撑具身智能产业的商业化发展。
查看cell1_20260523_mohammed_groceries_packing_20260523_223826
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)