simonholmes001发布机器人操作专用数据集cube-dataset-100-v1 首发HuggingFace支撑模仿学习研发

作为当前AI产业落地的核心赛道，具身智能技术的迭代高度依赖场景化、多模态的高质量标注训练数据，而机器人操作、模仿学习领域长期存在细分场景数据集供给不足、标注维度不全的痛点，制约了算法从实验室向商用场景的落地效率。近日，开发者simonholmes001正式发布cube-dataset-100-v1_20260731_094422机器人操作数据集，该数据集于2026年7月31日首发于HuggingFace平台，填补了小型机械臂操作场景下的多模态数据集供给空白。

据介绍，本次发布的数据集基于业界主流的机器人学习开源框架LeRobot构建，该框架广泛应用于机器人操作算法开发、模仿学习模型训练验证等场景，具备较强的通用性与兼容性。数据集采集自so_follower机器人平台，共包含10个操作序列（episodes）、总计3000帧标注数据，覆盖两大核心数据维度：其一为机器人运动全链路标注，包含6维动作向量（肩部旋转、肩部升降、肘部弯曲、腕部弯曲、腕部旋转、夹爪位置）以及对应的6维观测状态数据，完整还原机械臂操作的动作逻辑与状态反馈；其二为多视角视觉感知数据，同步采集了左侧、右侧、顶部三个摄像头视角的彩色视频图像，分辨率为480x640、帧率达30fps，可支撑多模态感知算法的训练需求。本次数据集采用parquet结构化文件与mp4视频文件两类格式存储，适配不同技术团队的训练工具链需求，可直接应用于模仿学习训练、机器人控制策略开发等相关任务。

从应用场景来看，该数据集可为多个领域的技术研发提供支撑：在模仿学习领域，研发人员可基于动作与视觉的对应标注数据，训练机器人复现精细化操作流程，降低抓取、搬运、组装等场景的操控策略开发门槛；在机器人感知技术研发领域，多视角的视觉数据与动作状态标签可用于验证视觉反推动作状态的算法可靠性，提升机器人的自主决策能力；在科研与教学场景，该数据集规模适中、标注维度完整，可作为高校、创业团队快速验证算法原型的标准化训练素材，降低研发的前期数据采集成本。

当前全球数据要素市场正加快向垂直场景下沉，具身智能领域的场景化数据集已成为产业争夺的核心资源，本次数据集的发布不仅丰富了HuggingFace平台的机器人领域数据供给，也为中小团队参与具身智能技术研发提供了低成本的基础资源支撑，对推动机器人操作技术的普惠化发展具备积极意义。

查看cube-dataset-100-v1_20260731_094422

Dataset card内容：

Files and versions内容：