随着具身智能产业进入快速落地期，实机操作场景下的高质量标注数据集，已成为制约机器人学习算法迭代、中小研发团队降低研发门槛的核心公共资源之一。尤其是针对UR系列通用工业机器人的标准化操作数据集，因采集成本高、标定流程复杂，长期以来存在公开供给不足的痛点，KKLabUR3eLeRobot本次发布的专项数据集正是瞄准这一行业需求推出。
本次公开的ur3e_lerobot_dataset_merged_20260522_20260524_all数据集基于LeRobot框架创建，专门面向机器人学研究与强化学习任务开发，共包含261个完整操作序列（episodes）、69719帧有效数据，全部数据采用10fps的帧率采集，在数据密度和采集精度上兼顾了算法训练的效率需求与精度要求。
从数据构成来看，本次发布的数据集覆盖三类核心特征维度：一是12维浮点数组格式的观察状态数据，完整涵盖机器人肩部、肘部、腕部关节角度以及末端执行器的位置、旋转参数，可直接用于机器人运动学模型的训练与校准；二是7维浮点数组格式的动作控制数据，包含线速度、角速度和夹爪控制指令，与实际工业场景下的机器人控制逻辑完全对齐；三是来自前视、侧视、腕部三个视角的同步视频数据，每路视频分辨率为480x640、3通道彩色、采用H.264编码，多视角的视觉数据可支撑具身视觉算法、多模态融合控制算法的研发需求。
本次数据集采用Parquet格式存储，兼具高压缩率与结构化查询能力，可直接接入主流AI训练pipeline，同时配套完整的时间戳、帧索引、episode索引等元数据，方便研究人员根据自身研发需求完成数据筛选与预处理。目前该数据集仅开放训练分割版本，适用于机器人控制算法的开发、验证与效果评估。
从行业应用来看，该类数据集可广泛应用于多个机器人研发场景：在模仿学习领域，研发团队可基于该数据集训练机器人复现抓取、搬运、精密组装等各类工业操作任务，无需从零搭建实机采集环境，大幅降低研发前期的硬件成本；在强化学习领域，研究人员可基于该数据集完成模型预训练后再开展实机微调，有效提升训练效率，减少实机调试过程中的硬件损耗；在具身大模型研发领域，同步的视觉数据与运动控制数据，可用于训练多模态具身模型的感知-决策闭环能力。本次公开数据集的上线，也将进一步丰富工业机器人领域的公开数据供给，推动相关技术的开源协作与落地迭代。
查看ur3e_lerobot_dataset_merged_20260522_20260524_all
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)