近年具身智能赛道持续升温，机器人操作学习、视觉伺服控制等核心技术的迭代高度依赖高质量、多维度的实机采集数据集，但当前开源领域覆盖双臂机械臂全关节参数、多视角视觉匹配数据的标准化数据集供给相对稀缺，成为中小研发团队降低研发门槛、加速模型迭代的核心阻碍。近日，开发者juyoungggg正式发布专为机器人学任务设计的0524_setting_2nd_1_edited数据集，该数据集于2026年5月24日首发于全球最大的AI模型与数据集共享平台HuggingFace，采用Apache 2.0开源许可证，支持商用二次开发，为具身智能领域的研发人员提供了新的高质量数据选择。
据介绍，该数据集基于LeRobot框架创建，LeRobot是HuggingFace推出的专为机器人学习设计的开源工具链，可实现机器人操作数据的标准化采集、标注与处理，保障了数据集的格式统一性与跨平台可用性。本次发布的数据集共包含28个操作情节，累计采集28422帧数据，采集帧率为30fps，整体存储分为100MB的parquet结构化数据文件与200MB的视频文件，便于研发人员按需调用不同类型数据开展训练。
从数据维度来看，该数据集的核心特征分为动作（action）与观察（observation）两大模块：其中动作维度包含12个浮点参数，完整对应左右双臂的全部关节位置，覆盖肩部平移、肩部提升、肘部弯曲、腕部弯曲、腕部滚动和夹爪位置六大核心关节动作；观察维度则包含与动作维度一一对应的12个关节位置状态数据，以及来自左腕摄像头、右腕摄像头、右顶部摄像头三个机位的480x640分辨率RGB视频数据，多视角的视觉数据与关节参数的实时匹配，充分满足了视觉伺服控制等场景对多模态数据对齐的要求。此外数据集还包含时间戳、帧索引、情节索引、任务索引等完整元数据，目前仅开放训练分割（0:28）供研发使用。
从应用价值来看，该数据集可广泛应用于机器人操作学习、视觉伺服控制两大核心领域的研发工作：典型应用场景包括双臂协作装配、分拣任务的动作预测模型训练，多视角视觉输入下的机械臂姿态校准算法迭代，跨场景具身智能大模型的推理能力验证等，有效降低了研发团队自行采集实机操作数据的时间与硬件成本。当前我国数据要素市场正加快向垂直科技领域渗透，具身智能作为人工智能落地的核心方向之一，高质量训练数据集的开源供给，将进一步加速核心技术的商业化落地进程，推动机器人领域的普惠式创新。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)