eslab1234发布机械臂操作多模态数据集 已上线HuggingFace支撑机器人模仿学习研发

随着通用人形机器人、工业协作机器人研发节奏加快，模仿学习作为降低机器人训练成本、提升复杂操作能力的核心技术路径，对高质量、多模态的实机操作数据集需求持续攀升。近日，研究机构eslab1234正式发布task1_hybrid_5blocks_v3_353ep_merged机器人操作数据集，该数据集于2026年9月6日首发上线HuggingFace平台，面向机器人操作、模仿学习等领域开放使用。

据介绍，本次发布的数据集基于HuggingFace开源机器人研究框架LeRobot创建，框架的通用性保障了数据集与主流机器人训练算法的兼容性，可直接接入多数主流模仿学习训练pipeline。数据集覆盖1项典型机器人桌面操作任务，累计收录353个完整任务周期（episodes）、共496633帧有效标注数据，维度涵盖so_follower型号6自由度机械臂的全量动作指令、实时运行状态参数，同时同步采集顶部全局视角、腕部第一视角两个机位拍摄的640*480分辨率RGB视觉数据，实现了机械臂本体数据与环境视觉数据的时间戳精准对齐，避免了多模态数据训练中的时序偏差问题。

从应用场景来看，该数据集可广泛支撑机器人领域的多方向研究：在模仿学习方向，研究人员可基于标注好的完整操作流程数据训练机械臂操作策略，无需从零开展实机试错式强化学习，大幅降低算法训练的硬件成本与时间成本；在机器人控制方向，数据集的6自由度机械臂全量状态数据可用于验证动态控制算法的精度，优化复杂操作场景下的运动规划逻辑；在多模态融合感知方向，同步对齐的视觉与动作数据可用于训练机器人的视觉-动作映射模型，提升机器人对非结构化操作环境的感知判断与自适应调整能力。

当前我国数据要素市场建设持续深化，垂直领域AI训练数据的供给能力直接决定了细分赛道的技术迭代速度，本次eslab1234开放的机器人操作数据集，不仅为学术研究、产业研发提供了标准化的基准训练数据，也为专业领域数据集的合规开放、共享流通提供了可参考的实践样本，将进一步助力机器人操作技术的落地迭代。

查看task1_hybrid_5blocks_v3_353ep_merged

Dataset card内容：

Files and versions内容：