lmerkle发布多模态机器人操作专项数据集 首发HuggingFace 支撑机械臂抓取、视觉-运动控制技术研发

随着工业自动化与通用机器人赛道的加速落地，机器人自主操作能力的迭代高度依赖高质量、多模态的对齐训练数据，而结合视觉感知与关节运动控制的专项数据集，一直是制约机器人从「示教作业」向「自主作业」升级的核心供给短板。近日，AI数据集厂商lmerkle正式上线pick_charger_20260731_094437机器人操作专项数据集，该数据集于2026年7月31日首发于全球知名AI开源社区HuggingFace，面向全球机器人研发团队开放使用。

据公开参数显示，该数据集为so_follower型机器人执行抓取任务过程中采集的全链路真实操作数据，共包含5个采集片段，总计2899帧有效标注数据，核心覆盖两大维度的对齐数据源：其一为机械臂运动控制全量参数，包含shoulder_pan（肩部旋转）、shoulder_lift（肩部抬升）、elbow_flex（肘部弯曲）、wrist_flex（腕部弯曲）、wrist_roll（腕部旋转）五大关节的实时位置数据，以及gripper.pos（夹爪位置）的开合状态参数，可直接用于机器人运动控制算法的训练、验证与调优；其二为多视角视觉感知数据，同步采集了机器人前置全局摄像头、腕部近场摄像头的实时视频流，分辨率为480x640，采用H264编码，帧率达30fps，完整还原了抓取任务执行过程中的全局环境、操作对象的近场动态细节，且所有视觉数据与机械臂运动参数实现了时间戳精准对齐，为视觉感知模型、视觉-运动跨模态控制模型的训练提供了标准化的样本基础。

从应用场景来看，该数据集可广泛支撑多领域机器人技术的研发落地：在工业场景中，可用于3C电子零部件抓取、物流快件分拣、汽车零部件装配等场景的机械臂自主作业算法训练，大幅降低工业机器人部署过程中的实机调试成本，缩短产线适配周期；在通用机器人研发领域，该对齐后的多模态数据可支持视觉-运动一体化控制模型的训练，为服务机器人、人形机器人的自主物品操作能力研发提供高质量的基础训练样本。作为面向垂直场景的专项训练数据集，本次发布的产品进一步丰富了国内机器人领域的训练数据供给，对推动工业机器人智能化升级、加速通用机器人技术迭代具有重要的支撑作用。

查看pick_charger_20260731_094437

Dataset card内容：

Files and versions内容：