Grigorij发布Franka_WAMs机器人操作数据集 为模仿学习领域提供标准化训练支撑

当前，通用机器人、协作机器人技术迭代进入加速期，模仿学习作为机器人落地复杂操作任务的核心技术路径，对标注精准、模态对齐的实机演示数据集需求持续攀升。但由于实机数据采集需要投入专业硬件设备、对齐多维度传感器数据，研发成本高企，中小团队及科研机构往往难以独立完成数据采集工作，高质量公开数据集已成为机器人学习领域的核心稀缺资源。

针对这一行业痛点，开发者Grigorij正式发布Franka_WAMs机器人操作数据集，该数据集是使用LeRobot框架创建的标准化机器人操作训练数据集——LeRobot作为HuggingFace推出的开源机器人学习框架，已成为全球机器人领域研究者通用的算法开发、数据共享基座，基于该框架生成的数据集可直接对接主流AI训练pipeline，无需额外做格式适配。

本次发布的Franka_WAMs数据集采集自科研领域广泛使用的Franka协作机械臂，共包含40个完整操作演示片段（episodes），累计11800帧有效数据，覆盖1项典型操作任务。其数据维度覆盖了机器人操作训练所需的全量模态信息：包括480x640分辨率、30fps帧率、AV1编码的第三视角全局监控图像与夹爪第一视角操作图像，9维机器人状态数据（含7个关节位置参数与2个手指关节位置参数），对应9维关节位置控制动作数据，以及同步匹配的时间戳、帧索引、episode索引等标注信息。数据集采用Parquet列式存储文件与MP4视频文件两类格式存储，其中Parquet格式可支持训练过程中的快速数据读取与批量调用，大幅降低开发者的数据预处理成本。

从应用价值来看，Franka_WAMs可广泛应用于机器人操作演示验证、模仿学习模型训练等多个场景：对于科研机构而言，该数据集可作为模仿学习算法的基准测试数据集，用于验证端到端操作模型的精度与泛化性；对于机器人研发企业而言，数据集的多模态对齐特性可直接支撑视觉伺服算法、力控操作算法的迭代，无需额外投入成本搭建实机采集环境；对于中小团队及个人开发者而言，该公开数据集可大幅降低机器人学习领域的研发准入门槛，无需采购数十万元级别的协作机械臂硬件即可获得高质量的实机操作训练数据。

查看Franka_WAMs

Dataset card内容：

Files and versions内容：

从行业发展维度来看，本次Franka_WAMs数据集的公开，进一步丰富了全球机器人学习领域的开源数据资源池，其标准化的采集框架、统一的存储格式也为后续行业内数据集的共享、协同提供了参考范式，将有效推动通用机器人操作技术的研发迭代速度，助力协作机器人、人形机器人等产品更快落地工业、服务业等场景的复杂操作需求。