当前具身智能、工业与服务机器人赛道正进入商业化落地关键期，而高质量的真实场景操作标注数据，是制约机器人模仿学习算法迭代、双臂协同控制精度提升的核心瓶颈之一。尤其是针对双手机器人精细化操作的多模态数据集，因采集成本高、标注维度复杂，长期存在供给缺口，成为中小研发团队推进相关技术落地的主要门槛之一。
近日，开发者dillonlyr04正式对外发布专用数据集eval_final_k20，该数据集于2026年5月24日首发于全球最大的AI模型与数据集开源平台HuggingFace，专为机器人学任务、尤其是bi_so100_follower型号双手机器人的研发需求打造。
据公开信息显示，eval_final_k20数据集基于LeRobot框架构建，共包含9个完整操作任务序列（episodes），累计收录7774帧采样数据，采样帧率为30fps，可完整复现双臂机器人完成指定操作的全流程动作轨迹。数据标注维度覆盖两大核心板块：其一为12维动作向量，对应左右手臂各关节的位置控制参数，包括肩部平移、肩部抬升、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置六大核心关节维度；其二为12维状态观测向量，结构与动作向量一一对应，可支撑算法对动作执行效果的闭环校验。此外，数据集同步提供多视角视频观测素材，覆盖全局顶部摄像头、左臂摄像头、右臂摄像头三个拍摄机位，所有视频分辨率为720x1280，采用3通道彩色h264编码，可满足多模态感知算法的训练需求。存储层面，结构化标注数据以parquet格式存储，视频素材以mp4格式存储，适配主流机器人学习框架的调用需求，可直接应用于机器人模仿学习或控制任务的研究与验证。
从潜在应用场景来看，该数据集可广泛服务于多个机器人研发方向：在工业制造领域，可用于训练双臂机器人完成精密元器件装配、物料分拣、瑕疵检测等场景的模仿学习算法，提升操作精度与作业效率；在服务机器人领域，可支撑家政机器人、助残康复机器人完成物品递送、餐食摆放、辅助操作等精细动作的算法迭代；在具身智能通用技术研发层面，可用于验证双臂协同避障、动作泛化、跨场景迁移等核心技术的可靠性，为通用具身大模型的训练提供真实场景数据支撑。
作为开源开放的机器人领域专用数据集，eval_final_k20的发布进一步丰富了具身智能赛道的高质量数据供给，为全球研发团队降低了双臂机器人控制算法的研发门槛，也为数据要素在先进制造、人工智能领域的落地应用提供了典型实践样本。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)