当前具身智能已成为全球AI技术落地的核心赛道之一，而真实场景下的多模态操作训练数据，是制约通用机器人从仿真环境走向实体落地的核心瓶颈。近日，AI数据服务商nodogoro正式上线全新机器人操作数据集，为相关领域研发提供高质量数据支撑。
nodogoro本次发布的数据集cell1_20260523_yahia_coffe_making_20260523_160459，是由LeRobot创建的真实场景机器人任务数据集，围绕咖啡制作的典型操作任务设计，包含一个完整任务流程的episode共31帧数据，所使用的机器人型号为starpilot_yam_gripper。数据集覆盖三大类核心数据维度：其一是14维的动作向量，完整记录机械臂空间位置、旋转角度、抓取器开合宽度等核心操作参数，可复现机械臂执行动作的全链路控制逻辑；其二是32维的观察状态数据，涵盖编码器角度、IMU加速度和陀螺仪数据、机械臂实时姿态、抓取器工作状态等多类本体感知信息，可支撑机器人自主决策算法的训练；其三是多视角视觉数据，包含左腕0摄像头RGB与深度图像、右腕0摄像头RGB与深度图像、基座0摄像头RGB图像、基座1摄像头RGB图像，所有视觉内容采用视频格式存储，提供480x640和768x1024两种分辨率规格，采集帧率为30fps，可满足不同精度的视觉识别、环境感知算法训练需求。除此之外，数据集还包含时间戳、帧索引、episode索引、任务索引等配套元数据，方便开发者开展时序类算法研发。数据整体采用parquet和mp4两种格式存储，其中结构化数据文件大小为100MB，视频文件大小为200MB，兼容主流深度学习训练框架，同时较低的存储体积也便于研发团队快速下载调试。
作为真实场景下的细粒度操作数据集，该产品除了可直接应用于机器人操作控制、视觉引导抓取的通用技术研发外，还可支撑餐饮服务机器人的饮品自动化操作、家庭服务机器人的餐食制备、工业场景下的小物件柔性分拣等多个细分领域的算法训练，降低相关团队的原始数据采集成本，缩短算法从仿真到实装的迭代周期。
查看cell1_20260523_yahia_coffe_making_20260523_160459
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)