在全球机器人产业加速向细分场景落地的当下，高质量、场景匹配度高的训练数据集已成为制约机器人算法迭代、产品落地效率的核心生产要素。尤其是农业采摘、精密组装等特种作业场景，真实场景数据采集成本高、极端工况样本覆盖不足，标准化仿真数据集的公开供给，可大幅降低中小研发团队、科研机构的数据筹备成本，有效缩短相关机器人产品的研发周期。近日，机器人技术厂商Physicalairi正式对外发布全新仿真机器人数据集so101_pick_orange_sim_v2，该数据集于2026年5月24日首发于全球主流AI模型与数据集社区HuggingFace，专为机器人拾取类任务的算法训练设计。
据介绍，so101_pick_orange_sim_v2数据集基于LeRobot工具创建——作为HuggingFace推出的开源机器人学习工具链，LeRobot生成的数据集具备广泛的框架兼容性，可直接接入主流机器人学习模型的训练流程。该数据集共包含45个任务序列（episodes）、46278帧有效数据，采集帧率为30fps，全部数据均为训练场景优化设计；适配机器人型号为so101_follower，结构化数据以parquet格式存储，视频数据以mp4格式存储，可降低数据读取与解析成本。数据集的标注特征覆盖机器人全链路运行维度：包括6维浮点数组格式的动作数据（对应机器人关节位置）、同样为6维浮点数组的观察状态数据，以及分别来自手腕摄像头、前置摄像头的两路视觉观测数据（分辨率为480x640、3通道，采用AV1编码压缩，兼顾清晰度与存储效率），同时配套时间戳、帧索引、episode索引、任务索引等维度的标注信息，可完美匹配涉及视觉和状态反馈的机器人任务训练需求。
从行业应用价值来看，该数据集的典型应用方向覆盖多个机器人研发赛道：一是可用于农业采摘机器人的模仿学习训练，基于标准化的柑橘拾取动作与视觉数据，研发团队可快速训练机器人的果实识别、路径规划、柔性抓取能力，无需自行搭建仿真环境采集基础数据；二是可作为机器人视觉控制算法的基准测试数据集，验证不同控制算法在动态视觉反馈场景下的响应精度、稳定性与功耗表现；三是也可用于强化学习模型的环境对齐，为拾取类通用机器人算法的迭代提供标准化的训练基底。此次数据集的公开，也进一步丰富了国内机器人细分场景训练数据集的供给，对推动数据要素在机器人产业的流通应用、降低特种作业机器人研发门槛均有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)