Fransece发布带腕部深度感知的Franka机械臂操作数据集 支撑机器人推操作、关节空间控制研发

随着具身智能与工业机器人产业的快速发展，真实物理场景下的多模态同步操作数据，已成为制约精细操作算法迭代、关节空间控制方案落地的核心供给短板。相较于仿真生成的机器人数据集，真实采集的多传感器匹配数据具备更高的环境泛化性，能够有效降低算法从实验室到落地场景的适配成本，是当前机器人研发领域的核心刚需资源。

近日，机构Fransece正式对外发布franka_push_orange_cube_wristcam_20260731_141723数据集，该数据集已于2026年7月31日首发于HuggingFace平台，面向全球开发者开放下载。

据了解，该数据集是基于LeRobot框架创建的专用机器人操作数据集，采集场景设定为Franka Panda协作机器人完成橙色立方体推移的标准任务，全量数据集包含2个采集序列（episode），累计1030帧同步采集数据。每帧数据覆盖5类核心信息维度：机器人动作指令、状态观测值、全局相机图像、腕部相机图像、腕部深度图像；其中动作与状态参数均为29维向量，完整覆盖关节位置、关节运行速度、末端执行器位姿等核心控制参数，视觉类数据分辨率为480x640，采集帧率为14fps，能够满足绝大多数操作类算法的训练输入要求。值得注意的是，该数据集采用商业友好的apache-2.0许可证，学术研究与商业开发场景均可免费使用，无需额外授权。

从行业应用来看，推移操作是机器人完成工业分拣、物流码垛、服务场景物品规整等任务的基础动作，该数据集的多维度同步采集特性，可支撑多个方向的算法研发：其一，29维的关节全状态数据可直接用于关节空间控制算法的训练与验证，省去传统研发流程中逆运动学转换的环节，有效降低控制算法的研发门槛；其二，全局相机与腕部相机的视觉+深度融合数据，可用于视觉伺服、操作场景语义识别、碰撞预判等感知算法的训练，帮助机器人实现更精准的环境感知与动作闭环；其三，标准化的任务设定也可为相关方向的算法效果比对提供统一的测试基准，推动领域研发效率提升。

查看franka_push_orange_cube_wristcam_20260731_141723

Dataset card内容：

Files and versions内容：