开发者praneetnayak发布MuJoCo双机械臂仿真数据集 首发HuggingFace 支撑机器人模仿学习研发

随着通用人形机器人、工业协作机器人赛道的快速升温，模仿学习已经成为机器人突破通用操作能力的核心技术路径，而高质量、标注完备的仿真训练数据，是降低实机测试成本、加速算法迭代的核心基础。作为全球机器人领域应用最广泛的开源物理仿真引擎，MuJoCo凭借高保真的物理模拟能力，已经成为机器人仿真训练的主流工具，而HuggingFace推出的LeRobot开源框架，则为机器人学习数据集的标准化构建、模型训练与生态共享提供了统一底座。

近日，开发者praneetnayak正式发布mujoco_bimanual_demo_20260907_190143数据集，并于2026年9月7日首发于HuggingFace平台，填补了LeRobot生态下双机械臂标准化仿真演示数据集的空白。该数据集使用LeRobot框架创建，包含MuJoCo仿真环境中双机械臂操作的全链路演示数据，字段覆盖机械臂动作指令、实时关节状态，以及前视图、左腕相机、右腕相机三个视角的同步图像数据，可支撑多模态感知-动作融合算法的训练需求。存储方面，数据集采用parquet结构化文件与H.264编码视频两种格式存储，采样帧率为30fps，图像分辨率为240x320，全量数据集包含1个任务序列（episode）、共1204帧有效数据，适配的机器人类型为mujoco_sim_socket。

从应用价值来看，该数据集可为多个机器人研发场景提供支撑：一是工业双臂协作算法预训练，可面向3C装配、物料分拣、精密操作等工业场景，在仿真环境中完成双臂协同策略的初步训练，大幅降低实机测试的时间与硬件成本；二是端到端机器人大模型训练，多视角视觉数据与关节动作、指令数据的同步标注，可直接用于视觉-动作对齐的端到端机器人大模型训练，提升模型对操作场景的感知与决策能力；三是机器人算法基准测试，标准化的数据结构与LeRobot生态的兼容性，可作为通用基准数据集，用于不同模仿学习算法的性能横向对比；此外，该数据集也可为人形机器人上肢操作策略的仿真验证提供数据支撑，加速仿真策略向实机的迁移落地。

查看mujoco_bimanual_demo_20260907_190143

Dataset card内容：

Files and versions内容：

当前，训练数据已经成为制约机器人通用能力落地的核心瓶颈，开源仿真数据集的开放共享，是降低行业研发门槛、推动技术普惠的重要路径。本次发布的双机械臂仿真数据集，既补全了LeRobot生态的细分场景数据供给，也为国内机器人领域的学术研究、中小创业团队的算法研发提供了可直接复用的标准化数据资源，对推动双机械臂协作技术、人形机器人通用操作能力的迭代具有积极意义。