TacVerse首发削黄瓜场景多模态机器人数据集 支撑灵巧操作与触觉视觉感知研发

当前人形机器人、服务机器人商业化进程持续加速，灵巧操作能力作为决定机器人能否落地复杂家庭、餐饮、轻工业场景的核心技术指标，一直是行业研发的重点方向，而触觉与视觉融合的多模态感知技术则是实现高精准度灵巧操作的核心路径。但长期以来，行业内针对细粒度日常操作场景、同时覆盖动作标注、触觉数据、视觉数据的高标注度公开数据集供给缺口较大，成为制约相关技术落地的重要瓶颈。

专业机器人多模态数据集平台TacVerse本次发布的taccap-peel-the-cucumber-on-the-cutting-board-with-the-peeler-0705数据集，正是针对这一行业痛点推出的专项场景数据集，该数据集于2026年7月5日首发上线HuggingFace，是专注于机器人技术领域的场景化训练数据集，完整记录了使用双TacCap抓取器（bi_taccap_gripper）执行“用削皮器在切菜板上削黄瓜”任务的全流程数据。本次发布的数据集共包含2个episodes，总计15005帧内容，以30fps的标准帧率记录，数据维度覆盖动作与观察两大类别：动作维度标注了左右工具中心点TCP的位姿和抓取器位置等核心控制参数；观察维度则包含完整的设备状态信息与多视角图像数据，具体涵盖左/右触觉传感器图像、手腕摄像头视频等多模态内容。所有数据以Apache 2.0许可证开放发布，研发团队可免费用于非商用与商用场景的机器人学习和控制研究，无需额外授权。

从应用价值来看，该数据集可覆盖多个机器人研发领域的典型需求：在灵巧操作控制算法研发方向，可用于家庭服务机器人、餐饮场景协作机器人的果蔬预处理技能训练，支撑研发团队优化力度控制、路径规划算法，提升削皮、切割等精细操作的稳定性与成功率；在触觉视觉融合感知方向，研究人员可基于触觉传感器图像与视觉视频的关联标注，训练跨模态感知模型，实现对操作对象硬度、形态变化的实时识别，快速调整操作策略；在机器人模仿学习研究方向，数据集中的完整动作位姿标注可作为人类操作范式的拆解样本，支撑机器人从演示数据中学习操作技能的相关研究。本次专项数据集的发布，进一步填补了民用精细操作场景多模态机器人数据集的细分空白，为相关领域的学术研究、技术落地提供了高质量的数据基础设施，也丰富了机器人研发领域的开放数据要素供给，对推动服务机器人、人形机器人的场景化落地具有重要支撑作用。

查看taccap-peel-the-cucumber-on-the-cutting-board-with-the-peeler-0705

Dataset card内容：

Files and versions内容：