当前具身智能产业正处于从技术验证向场景落地过渡的关键阶段，机器人模仿学习作为降低具身智能训练成本、提升任务泛化能力的核心技术路径，对高标注质量、场景具象的实采数据集需求持续攀升。针对细分操作场景的垂直类数据集，正在成为支撑中小开发者快速迭代机器人控制算法的核心基础设施。近日，开发者crislmfroes正式发布openarm-lift-fanta-bottle-clean机器人相关数据集，该数据集于2026年5月24日首发于HuggingFace，是聚焦机器人抓取瓶装物体场景的专用标注数据集。
据介绍，该数据集使用HuggingFace开源具身智能工具链LeRobot创建，共包含54个完整任务序列（episodes）和13347帧标注数据，数据维度覆盖三大类核心特征：一是动作数据，包含机器人8个关节位置和夹爪位置参数；二是观测状态数据，同步记录8个关节位置和夹爪位置的实时反馈；三是多视角视觉数据，包含来自胸部摄像头（cam_chest）和手腕摄像头（cam_wrist）两路视频流，分辨率为480x640，采样率为30帧/秒。本次采集采用的机器人型号为openarm_follower，数据集整体采用parquet格式存储，结构化数据文件大小为100MB，配套视频文件大小为200MB，轻量化的存储设计大幅降低了开发者的下载和测试门槛，可直接适配各类机器人控制和模仿学习任务的研发需求。
作为聚焦细分抓取场景的多模态数据集，openarm-lift-fanta-bottle-clean可广泛应用于多个具身智能研发场景：例如面向餐饮服务场景的餐品递送机器人，可基于该数据集优化瓶装饮品的抓取放置策略；面向工业分拣场景的协作机器人，可复用数据集的刚性物体抓取逻辑优化规则物料分拣效率；面向家庭助理类机器人，可基于该数据集迭代日常小重量瓶装物品的拾取能力；此外该数据集还可作为开源机器人控制算法的基准测试数据集，用于不同抓取策略的效果比对。
查看openarm-lift-fanta-bottle-clean
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)