DaoyuanZhu发布wb_add_knee_toy人形机器人数据集 覆盖全身遥操作、物体抓取等核心训练场景

当前通用人形机器人正处于技术迭代与商业化落地的关键窗口期，而高标注质量、贴近真实应用场景的运动操作数据集，是支撑机器人控制算法优化、降低研发成本的核心生产要素。尤其在涉及全身关节协同、手部精细操作的生活化场景中，优质公开训练数据的供给不足，长期是制约中小团队研发效率的核心痛点之一。

近日，开发者DaoyuanZhu正式对外发布wb_add_knee_toy人形机器人操作数据集，该数据集于2026年8月31日首发于HuggingFace平台，面向机器人全身遥操作、物体抓取与放置等核心研发场景开放使用。

本次发布的wb_add_knee_toy数据集，全部采样自宇树科技（Unitree）量产级G1全身人形机器人的遥操作实测数据，采用机器人领域通用的LeRobot v2.1标准格式发布，可直接适配主流机器人算法训练框架，无需额外进行格式转换。数据集围绕“从人类手中拿起玩具并放入玩具篮”这一典型日常操作场景采集，共包含51个完整任务周期（episodes），累计37395帧数据（采样帧率30fps，总时长约21分钟），采集硬件采用2台640×480分辨率的H264摄像头，双视角配置同时覆盖全局场景与手部操作细节，可支撑多模态视觉-动作融合算法的训练需求。数据集的状态与动作参数均采用43维关节向量，覆盖人形机器人从躯干、四肢到手部的全部运动自由度，可支持全身协同控制算法的研发。同时数据集提供两个适配不同研发需求的分支：main分支手部状态全部置零，适配未搭载灵巧手的通用人形机器人基础操作训练场景；real_inspair分支则包含Inspire灵巧手的估计状态、控制命令以及二进制开合触发器参数，适配搭载主流灵巧手的高精度操作研发需求。此外，数据集还同步提供原始摄像头画面叠加手部/身体姿态的标注视频，以及MediaPipe手部关键点、RTMO身体骨架关键点的结构化标注数据，所有注释均存储于列式存储格式parquet的对应列中，大幅提升开发者的数据读取与调用效率，降低后续标注成本。

从应用场景来看，该数据集可广泛应用于人形机器人研发的多个核心方向：一是全身遥操作算法训练，基于完整的关节参数与视觉匹配数据，开发者可训练机器人精准复刻人类遥操作的动作序列，提升遥操作的响应速度与动作流畅度；二是物体抓取与放置算法研发，针对生活化的软质物体抓取、定点放置场景，数据集可支撑算法完成物体识别、抓取姿态规划、运动路径优化等能力的迭代，未来可延伸适配家庭服务、工业分拣、物流仓储等多个落地场景；三是跨硬件迁移学习训练，双分支的配置可满足不同硬件配置的研发团队需求，降低算法适配不同机器人平台的门槛。

作为人形机器人操作领域的新增公开优质数据集，wb_add_knee_toy的发布进一步丰富了人形机器人训练数据的供给池，对于降低中小研发团队的技术准入门槛、推动全身协同控制、精细手部操作等核心技术的普惠化迭代具备积极意义，也为数据要素在人工智能与实体机器人产业的落地应用提供了典型参考样本。

查看wb_add_knee_toy

Dataset card内容：

Files and versions内容：