当前全球人形机器人、专用服务机器人产业正处于落地攻坚期，双机械臂的精细操作能力是决定机器人能否进入家庭、商超、轻工业场景完成人力替代任务的核心技术，而场景化的实采训练数据则是相关算法研发的核心基础——由于双机械臂操作涉及多传感融合、动态动作规划，高质量数据集的采集标注成本高、供给稀缺，已经成为制约中小研发团队技术迭代效率的核心瓶颈之一。
近日，机器人技术研发机构nodogoro正式对外发布杂货打包场景双机械臂专属数据集cell1_20260523_mohammed_groceries_packing_20260523_225131，该数据集于2026年5月24日率先在HuggingFace平台上线，面向全球研发人员开放使用。
作为专门面向机器人学研发的训练数据集，本次发布的数据集基于LeRobot框架创建，聚焦双机械臂杂货打包核心操作任务，共包含5组完整操作流程（episodes）、3213帧有效数据，采集所用设备为starpilot_yam_gripper型双机械臂平台。数据集采用parquet格式存储结构化数据，总结构化数据文件大小为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、强化学习模型的训练精度要求。
本次公开的数据维度覆盖机器人操作全链路信息：其中14维动作数据对应两个机械臂的x/y/z空间位置、rx/ry/rz旋转姿态以及夹爪宽度参数，可直接用于机械臂动作控制模型的输出校准；32维观察状态数据涵盖编码器角度、IMU加速度与陀螺仪数据、姿态四元数、夹爪开合状态及距离等本体传感信息，能够为模型提供机械臂实时运行状态的全量参考；视觉数据则包含多视角采集结果：左右腕部摄像头同步采集的RGB与深度图像（分辨率480x640）可模拟操作端第一视角感知，基座安装的两个不同分辨率RGB摄像头（分别为480x640、768x1024）则提供全局场景感知能力，多维度视觉数据的搭配可支撑多模态模型的训练需求。除此之外，数据集还附带时间戳、帧索引、操作流程索引等完整元数据，方便研发人员按需截取调用。
从应用方向来看，该数据集可广泛应用于双机械臂控制算法研发、机器人模仿学习、强化学习训练等场景：基于该数据集训练的模型，未来可快速迁移至家庭场景物品整理、商超订单商品打包、轻工业生产线物料分拣包装等商用场景，降低相关研发团队的实采数据成本，缩短算法迭代周期。作为数据要素在机器人研发领域的典型供给成果，本次数据集的开放也为场景化机器人训练数据的标准化产出提供了参考样本，对加快双机械臂技术的民用落地进程、完善机器人产业数据供给体系具有积极意义。
查看cell1_20260523_mohammed_groceries_packing_20260523_225131
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)