Bubbleina发布act_smartbin_v5机器人专用数据集 破解操作控制与模仿学习训练数据痛点

当前，全球服务机器人、人形机器人赛道正处于规模化落地的关键周期，模仿学习作为可直接复刻人类操作逻辑、大幅降低训练标注成本的技术路线，已成为机器人通用操作能力迭代的核心方向，但行业长期面临高质量、结构化的动作训练数据集供给不足的痛点：多数中小研发团队需自行完成场景数据采集、标注与结构化处理，不仅研发成本高，不同团队产出的数据标准不统一，也直接制约了算法迭代效率与跨团队技术交流。 近日，机器人技术研发商Bubbleina正式发布act_smartbin_v5专用数据集，该数据集使用LeRobot工具创建，是当前少数面向机器人学习和控制任务的标准化开源数据集，可为全行业研发主体提供开箱即用的训练数据支撑。 从数据规模与结构来看，act_smartbin_v5数据集包含120个episodes，总计22,050个frames，以30fps的标准视频帧率采集，结构化数据以兼容性更强的parquet文件格式存储，视频素材以通用MP4格式存储，总数据文件大小为100MB，视频文件大小为200MB，整体数据体积轻量且结构规范，适配多数中小研发团队的训练环境要求，无需额外做格式适配。数据集的特征覆盖机器人操作全链路核心维度：动作（action）为6维浮点数组，可直接映射机器人末端执行器的动作指令；状态观测（observation.state）为6维浮点数组，对应机器人实时运行的状态参数；图像观测（observation.images.oak_d）为480x640x3的视频数据，可还原操作场景的第一视角视觉输入，同时配套时间戳、帧索引、episode索引、任务索引等完备元数据，可直接用于机器人控制算法的训练和评估，无需额外做结构化处理。 从潜在应用场景来看，该数据集可广泛适配多个机器人研发方向：家用服务机器人团队可依托数据集训练垃圾分拣、小件物品归置等场景的操作动作；工业机器人厂商可将其用于细粒度分拣、精密组装等场景的模仿学习模型训练；人形机器人研发团队可基于数据集验证末端执行器的控制精度，优化非结构化场景下的动作响应逻辑；高校及科研机构也可将其作为基准数据集，用于机器人操作领域的算法效果横向对比。作为开放在HuggingFace的公共数据集，act_smartbin_v5的落地也为机器人领域的训练数据要素供给提供了新的参考范式，对推动行业技术开源、降低研发门槛有着积极意义。

查看act_smartbin_v5

Dataset card内容：

Files and versions内容：