当前，服务机器人在零售、仓储、家庭服务等场景的落地需求持续释放，双臂机器人的精细物品操作能力是场景落地的核心技术门槛，而模仿学习作为降低机器人训练成本、提升算法泛化性的主流技术路径，高度依赖真实硬件运行的多模态同步标注数据集作为研发支撑。近日，机器人技术研发方nodogoro正式发布cell1_20260523_mohammed_groceries_packing_20260523_212636机器人学专用数据集，该数据集采用行业通用的LeRobot工具创建，专门面向双臂机器人杂货包装操作任务打造，于2026年5月24日首发于全球知名AI开源社区HuggingFace。
本次发布的数据集记录了starpilot_yam_gripper型号双臂机器人执行杂货包装任务的全流程演示数据，共包含5个完整操作情节（episodes），总计3150帧同步数据，覆盖杂货包装全任务场景，所有数据采用parquet格式存储，总数据文件大小为100MB，配套视频文件大小为200MB，采样帧率为30fps，可满足绝大多数模仿学习算法的训练数据时序要求。
数据维度方面，该数据集实现了机器人操作全链路的多模态数据同步采集：动作维度包含14维控制数据，可精准还原两个机械臂的x、y、z空间位置、rx、ry、rz旋转角度以及夹爪宽度控制指令，方便算法直接复刻真实操作逻辑；本体观测维度包含32维状态数据，覆盖编码器角度、IMU加速度和角速度、机器人位姿（位置和四元数）、夹爪开合状态和距离等核心运行参数，可大幅降低训练算法与真实硬件的适配成本；视觉感知维度则同步收录了左腕摄像头、右腕摄像头、基础摄像头0和1共4个视角的RGB图像与深度视频数据，视频分辨率分别为480x640和768x1024，多视角的视觉输入可有效提升算法在复杂操作场景下的感知鲁棒性。
目前该数据集采用对商业开发友好的Apache-2.0许可证，学术机构与企业研发团队均可免费获取使用，可广泛应用于机器人操作算法研发、模仿学习训练、强化学习场景落地等方向，潜在应用场景覆盖零售前置仓自动包装机器人研发、仓储场景货物分拣装袋算法训练、家庭服务机器人物品整理功能开发、数字孪生场景下机器人操作仿真校准等多个领域，将有效填补杂货包装细分场景下双臂机器人操作数据集的供给空白，降低相关技术的研发门槛，推动服务机器人在高频民生场景的落地进程。
查看cell1_20260523_mohammed_groceries_packing_20260523_212636
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)