近年来，随着具身智能赛道商业化落地进程加快，协作机器人的自主操作、动态场景自适应抓取能力成为产业核心突破点。作为训练机器人操作算法、提升模型泛化能力的核心基础，高质量实机操作标注数据的供给缺口持续扩大——尤其面向特定机型、覆盖多任务场景的原生采集数据集供给相对稀缺，已经成为制约中小研发团队技术迭代的重要瓶颈。
近日，开发者hyzhang01正式对外发布GCA_suction_franka_mix_corl_track数据集，该数据集由LeRobot创建，于2026年5月24日首发于全球知名AI开源社区HuggingFace，聚焦机器人抓取、机器人操作学习领域需求，专门适配Franka协作机器人的抓取任务研发。
据公开数据集信息显示，该数据集共包含197个采集序列（episodes），总计20551帧有效数据，覆盖4类不同的抓取任务场景，采用parquet格式存储，采样帧率达50fps，可完整还原机器人抓取动作的全流程动态过程。数据特征维度覆盖多模态训练需求：包含分辨率为224x224x3的主视角图像与腕部视角图像，可支撑视觉定位、物体识别、抓取姿态估计算法的训练；同时同步采集了7维浮点向量格式的机器人实时状态数据、7维浮点向量格式的动作指令数据，以及夹爪ID、时间戳、帧索引、序列索引、任务索引等全链路关联标注信息，方便研发人员按需调用不同维度的数据开展定向训练。目前该数据集仅开放训练集，不含原生视频数据，采用Apache-2.0开源许可证，允许商业场景免费使用，准入门槛较低。
从典型应用场景来看，该数据集针对吸盘（suction）抓取场景设计，未来可广泛应用于工业物料分拣、流水线上下料、3C产品精密装配等场景的机器人抓取算法训练，也可用于具身大模型操作模块的微调、多任务操作泛化能力验证、复杂动态场景抓取成功率优化等研发环节，能够大幅降低机器人研发团队的实机数据采集成本，缩短算法迭代周期。作为垂直领域的开源训练数据集，本次发布也进一步丰富了机器人领域的训练数据供给体系，对推动具身智能技术落地、完善人工智能领域数据要素供给结构具有积极意义。
查看GCA_suction_franka_mix_corl_track
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)