DaoyuanZhu发布宇树G1人形机器人扔杯操作数据集 首发Hugging Face 支撑遥操作与灵巧操作技术研发

当前，人形机器人产业正处于技术迭代与落地验证的关键阶段，运动控制精度、手部灵巧操作能力、人机遥操作响应效率是行业公认的核心技术瓶颈，而场景化、标注完善的高质量训练数据集，是降低算法研发门槛、加速技术落地的核心基础设施。

近日，开发者DaoyuanZhu正式发布wb_discard_pointed_cup_to_trash专用数据集，该数据集于2026年8月31日率先上线Hugging Face平台，聚焦“人类指示机器人抓取尖嘴杯并投放至指定垃圾桶”这一服务场景的操作全流程数据采集，可覆盖人形机器人遥操作、灵巧操作两大核心技术方向的研发需求。

本次发布的数据集全部采集自Unitree G1（宇树G1）人形机器人的真实操作过程，采用行业通用的LeRobot v2.1格式存储，便于各类算法框架直接调用。数据集共包含41个完整操作序列（episode），累计30514帧数据，按30fps采样约对应17分钟连续操作内容，单条操作序列长度在540-1130帧区间，覆盖不同操作速度、视角下的完整动作链路。为适配不同研发需求，数据集设置两大分支：main分支的手部状态与动作为全零值，仅面向身体运动控制、导航与移动类任务训练使用；real_inspair分支则包含Inspire手部估计置信度（0.50-1.00）与二进制开/关触发信号，可直接用于灵巧手抓取、操作类算法的训练与验证。

从数据维度来看，该数据集的观测状态包含覆盖腿、腰、臂、手全部位的43维关节向量，对应输出动作也为43维，可支撑全链路运动控制算法的端到端训练；视觉数据层面同步提供机器人胸部、头部两个视角的摄像头采集内容，叠加手部或身体姿态覆盖层，可用于多模态感知融合算法研发；标注层面则包含MediaPipe手部关键点、RTMO身体骨架关键点两类标准化标注结果，全部以parquet列形式存储，数据按操作序列分别组织为parquet结构化文件与mp4视频片段，研发人员可按需灵活调用。

从应用价值来看，该数据集对应的“物品抓取-定点投放”是服务类人形机器人的典型高频操作场景，相关数据可广泛应用于多个研发方向：一是可用于遥操作系统的指令响应、动作映射算法训练，支撑远程家务操作、危险场景作业等场景的技术落地；二是可用于灵巧手路径规划、力控算法的迭代，优化不规则物品抓取、精准投放的操作成功率；三是可作为通用操作任务的基准测试数据集，为不同厂商的运动控制算法提供统一的测评标准。

查看wb_discard_pointed_cup_to_trash

Dataset card内容：

Files and versions内容：

随着人形机器人产业的不断发展，细分场景的专用数据集需求持续攀升，这类标注完善、场景明确的数据集的开放，不仅能降低中小研发团队的数据采集成本，也将推动人形机器人操作算法的标准化发展，对整个产业的技术落地具备积极的支撑意义。