随着即时零售、商超数字化履约需求的持续爆发，服务机器人在末端杂货打包、分拣场景的落地节奏不断加快，但面向复杂非结构化商品操作的高质量训练数据缺口，始终是限制相关技术研发效率的核心瓶颈。近日，机器人技术厂商Nodogoro正式发布杂货打包场景专用机器人学数据集，该数据集于2026年5月24日在全球知名AI开源社区HuggingFace首发，可广泛应用于机器人杂货打包、机器人视觉控制等领域的研发工作。
本次发布的数据集（完整编号：cell1_20260523_mohammed_groceries_packing_20260523_221946）采用机器人领域主流开源工具栈LeRobot创建，专门面向机器人任务的学习与模拟场景设计。数据集共包含5个完整任务情节，累计2908帧同步采集数据，帧率为30fps，结构化数据以parquet格式存储，大小为100MB，配套视频文件大小为200MB，整体采用商业友好的Apache 2.0许可证开放，学术机构与商业化团队均可免费使用。
从数据结构来看，该数据集覆盖了机器人操作全链路的多模态数据维度：核心包括机械臂动作特征（位置、旋转角度、夹爪宽度等控制参数）、机器人本体观察状态特征（编码器角度、IMU传感数据、机身姿态、夹爪实时状态等）、多视角视觉采集数据（左腕、右腕、基座三类摄像头同步输出的RGB与深度图像，覆盖480x640、768x1024两种分辨率），同时配套了时间戳、帧索引、情节索引、任务索引等全链路元数据，保证多模态数据的时间同步精度，可充分满足机器人控制、计算机视觉、多模态机器学习等多方向的研发需求。
从应用价值来看，该数据集可直接用于杂货打包场景的机器人算法训练：针对不同包装形态、不同重量属性的商品，优化机械臂抓取姿态、打包路径规划、夹爪力度控制，降低易碎品挤压、商品掉落等问题的发生概率；在机器人视觉控制领域，可支撑多视角视觉融合定位、动态场景感知避让、深度图像辅助力控调整等技术的研发，同时也可为智能仓储分拣、药房药品整理、餐饮备餐打包等同类末端操作场景的算法提供预训练数据支撑，大幅降低相关领域的研发数据采集成本。
作为当前机器人领域少有的场景化高质量开源数据集，本次Nodogoro的发布也为国内机器人领域的数据要素开放共享提供了参考样本，进一步推动服务机器人实体场景落地的研发效率。
查看cell1_20260523_mohammed_groceries_packing_20260523_221946完整数据集信息
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)