当前，具身人工智能已成为全球AI产业的核心发力方向，而高质量、结构化的场景化训练数据集，是制约机器人操作、多视角感知等技术落地的核心供给短板。近日，开发者Reece Omahoney正式对外发布remove-ethernet-2机器人操作专项数据集，该产品于2026年5月24日率先登陆全球最大的AI开源社区HuggingFace，面向全球研究者开放获取。
据介绍，remove-ethernet-2是基于开源机器人学习工具LeRobot打造的标准化数据集，LeRobot作为当前机器人领域应用最广泛的开源工具之一，具备统一的数据采集、标注、格式转换能力，也为该数据集的通用性提供了基础支撑。本次发布的数据集核心收录了Piper型双机器人手臂的全链路交互数据，具体包含三类核心数据维度：一是14维动作向量，可对应控制左右手臂各6个关节、以及左右夹爪的位置参数；二是14维观测状态向量，可同步反馈关节与夹爪的实时位置，形成动作-状态的配对训练数据；三是多视角视频观测数据，覆盖左腕部、右腕部、顶部三个机位的同步RGB视频，分辨率均为480x640、帧率20fps，既包含双臂作业的近距细节视角，也覆盖任务全局的俯视视角，可满足多视角感知技术的训练需求。此外，数据集还配套了完整的时间戳、帧索引、回合索引、任务索引等元数据，方便研究者快速筛选、定位所需数据片段。从规模来看，该数据集共收录20个完整操作回合，总计15079帧有效数据，结构化数据文件大小为100MB，配套视频文件大小为200MB，轻量化的存储结构大幅降低了中小研发团队的下载和使用门槛。
从应用价值来看，remove-ethernet-2可广泛支撑多个具身AI研发场景：在机器人操作领域，可用于双臂协作工业装配、物料分拣、高精度作业等场景的强化学习模型训练，基于动作-状态配对数据优化机器人的运动控制精度；在多视角感知领域，三个机位的同步视频数据可支撑跨视角特征融合、视觉伺服定位、遮挡场景下的目标识别等算法的研发与验证；此外，该数据集标准化的采集和标注规范，也可作为机器人学习模型性能比对的公共基准，助力行业统一测试标准的形成。当前，全球数据要素市场正处于快速建设阶段，垂直领域的细分训练数据集作为AI产业的核心生产要素，其供给能力直接决定了数字经济核心产业的创新效率，本次remove-ethernet-2开源数据集的发布，不仅降低了具身AI领域的研发门槛，也为机器人操作类数据集的标准化建设提供了参考样本，对推动具身AI技术落地和产业生态完善具有积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)