当前全球服务机器人赛道正进入场景落地的关键攻坚期，高标注质量、场景匹配度高且符合统一交互标准的训练数据，是制约机器人操作技能泛化能力、多场景适配能力提升的核心瓶颈之一。作为HuggingFace面向机器人领域推出的专属数据集规范，LeRobot通过统一数据采集维度、动作标注规则、人机交互格式等标准，极大降低了不同研发团队之间的数据复用门槛，也为多模态机器人大模型的跨场景训练提供了标准化的输入底座，已经成为全球机器人开源研发领域的主流数据格式之一。
近日，机器人技术研发商nodogoro正式对外发布杂货打包场景专用训练数据集cell1_20260523_mohammed_groceries_packing_20260523_213940，该数据集为HuggingFace LeRobot格式机器人数据集，于2026年5月24日首次上线HuggingFace平台，是目前少数面向民用生活服务场景的公开机器人操作类数据集。
从典型应用方向来看，该数据集覆盖了杂货打包全流程的机器人操作动作序列、环境视觉感知、不同材质物品交互反馈等多维度标注数据，可适配多个领域的研发需求：在家庭服务机器人赛道，可用于训练机器人的物品分类整理、易碎品防护打包、收纳规划等生活服务技能，提升家用机器人的实用价值；在实体零售场景，可为商超无人结算终端的自动打包系统提供训练素材，优化不同品类商品的摆放逻辑、打包效率与空间利用率；在仓储物流场景，可辅助提升分拣环节末端打包的自动化水平，针对不同规格的快递件适配最优打包方案，降低人工操作成本。
本次数据集的发布，是机器人细分场景训练数据供给的又一次补充，一方面降低了中小研发团队在杂货打包相关场景的数据采集、标注成本，能够有效缩短相关技术的研发周期；另一方面也进一步丰富了LeRobot生态的数据集品类，为全球机器人技术研发的开源协作提供了新的公共资源，对推动服务机器人从工业场景向民用生活场景渗透、加快数据要素在AI研发领域的价值落地具有积极意义。
查看cell1_20260523_mohammed_groceries_packing_20260523_213940
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)