当前具身智能产业正进入商业化落地关键期，面向零售、物流末端的分拣、打包类服务机器人需求持续攀升，但垂直场景下的高质量标注训练数据缺口长期存在，成为制约中小团队研发效率的核心瓶颈之一。其中，杂货打包场景因涉及商品形态多样、操作逻辑复杂、力控要求高等特性，对应的公开标准化数据集尤为稀缺。
近日，机器人技术厂商Nodogoro正式发布cell1_20260523_mohammed_groceries_packing_20260523_211033数据集，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。
据了解，LeRobot是HuggingFace推出的面向机器人学习领域的通用格式标准，兼容当前主流的模仿学习、强化学习训练框架，开发者无需进行复杂的格式适配即可直接调用数据集开展研发工作，可大幅降低数据预处理环节的成本，提升算法迭代效率。
本次发布的杂货打包场景数据集，聚焦真实零售场景下的杂货打包全流程操作，可广泛应用于多个机器人研发方向：在机器人抓取算法研发环节，可支撑不同材质、形状、重量商品的抓取点识别、抓取力度控制算法训练，降低操作过程中的商品破损率；在自动打包任务研发环节，可支持包装箱空间最优利用规划、易碎品摆放逻辑、多商品打包顺序优化等算法的训练验证；此外还可适配零售无人仓自动分拣打包、无人商超自助打包、家庭服务机器人物品整理等多个场景的技术研发需求。
查看cell1_20260523_mohammed_groceries_packing_20260523_211033
Dataset card内容：
Files and versions内容：
业内人士指出，垂直场景高质量数据集是具身智能产业发展的核心数据要素资产，本次该数据集的上线，一方面进一步丰富了HuggingFace LeRobot生态的垂直场景资源，另一方面也为广大机器人研发团队提供了真实场景的训练数据支撑，对降低零售末端自动化的研发门槛、推动服务机器人商业化落地具有积极意义。
_1769672084863.jpg)