近年来，随着全球人形机器人、工业协作机器人产业加速落地，双机械臂精细操作能力成为生活服务、智能制造等场景商业化突破的核心技术方向，而具备真实场景标注、多模态参数覆盖的高质量训练数据集，是支撑相关算法迭代的核心基础资源。近日，机器人领域技术服务商nodogoro正式发布名为cell1_20260523_mohammed_groceries_packing_20260523_225412的专业操作数据集，该数据集于2026年5月24日首发于全球知名AI开源社区HuggingFace，定向服务于机器人操作学习、双机械臂控制两大核心研发领域。
据介绍，本次发布的数据集基于LeRobot框架构建，聚焦双机械臂（starpilot_yam_gripper类型）的杂货打包典型操作任务，共收录5个完整操作情节（episodes），总帧数达3296帧，采样帧率为30 fps。数据集采用行业通用的Parquet格式存储，结构化数据文件总大小为100 MB，配套视频文件大小为200 MB，所有数据仅开放训练分割权限，可直接用于机器人学习与控制任务的研究训练。
从数据维度来看，该数据集实现了双机械臂操作全链路参数的全覆盖：动作特征维度达14维，以浮点数形式记录两个机械臂的位置、旋转角度和夹爪宽度等核心控制参数；状态观测特征维度达32维，包含编码器角度、IMU加速度与陀螺仪数据、位姿坐标和四元数、夹爪开合状态等传感器采集信息；视觉数据方面则覆盖多相机视角的RGB与深度观测，包括左右腕部相机（各提供480x640分辨率的RGB和深度图像）、两个视角的基座相机（分辨率分别为480x640和768x1024），同时配套时间戳、帧索引、情节索引等完整元数据，可满足多模态机器人算法的训练需求。
从行业应用来看，该数据集的多模态特性可支撑多个细分方向的研发工作：基于动作与观测特征的对应关系，可开展双机械臂模仿学习算法训练，优化零售场景自动打包、仓储场景货物分拣、3C制造精密组装等场景的操作精度；多视角的图像与深度数据可用于机器人视觉伺服算法、多传感器融合状态估计算法的迭代；双机械臂协同的操作数据也可为多臂协同控制策略的研发提供真实场景参考。作为面向真实落地场景的专项数据集，其发布也为后续机器人操作领域的数据集标准化建设提供了可参考的范式，将进一步推动双机械臂控制技术从实验室走向商用场景。
查看cell1_20260523_mohammed_groceries_packing_20260523_225412
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)