samanthalhy在HuggingFace首发so100_strawberry_1数据集 为具身智能模仿学习提供多模态训练支撑

随着具身智能产业进入商业化落地关键期，高质量、场景化的多模态训练数据已成为制约机器人操作算法迭代效率的核心供给短板，其中针对特定型号桌面机械臂的细分场景标准化数据集缺口尤为突出。近日，开发者samanthalhy正式对外发布so100_strawberry_1机器人数据集，该数据集于2026年9月7日率先在HuggingFace平台上线，是当前为数不多的基于LeRobot框架打造、适配so100_follower型机械臂的专用训练数据集。

据公开信息显示，本次发布的数据集共包含5个完整操作演示片段，累计5643帧同步对齐的多模态数据，对应1项标准化机械臂操作任务。数据维度覆盖三类核心信息：其一为6维动作标签，包含肩部旋转、肩部升降、肘部弯曲、腕部弯曲、腕部旋转、夹爪位置六大核心关节的控制参数；其二为6维观测状态数据，维度与动作参数一一对应，可支撑动作执行效果的闭环校验；其三为前、上、手三个视角的同步RGB图像数据，图像分辨率为480x640，采样帧率为30fps，可满足视觉伺服、多模态感知算法的训练需求。

该数据集采用Apache-2.0开源许可证，所有5个演示片段全部纳入训练集开放下载，使用者可对数据进行修改、分发甚至商用，无需额外授权，大幅降低了中小研发团队、高校科研机构的相关研发门槛。

从应用场景来看，该数据集可直接服务于两大核心研发方向：在模仿学习领域，研究人员可基于对齐的动作-视觉数据训练机械臂的轨迹复现能力，快速复刻演示操作流程，大幅降低小批量定制化操作任务的算法开发周期；在机器人操作领域，多视角视觉数据与关节状态数据的同步标注，可支撑视觉伺服算法、故障诊断模型、动作偏差校正系统的训练与验证，提升机械臂在复杂工况下的操作精度与稳定性。此外，由于数据集基于通用LeRobot框架构建，未来还可与同框架下的其他任务数据集打通，支撑跨场景机械臂通用操作大模型的预训练工作。

本次数据集的发布，也为具身智能领域的细分场景数据供给提供了参考样本，开源化、标准化的细分型号机器人数据集的普及，将进一步推动桌面级机械臂在工业精密分拣、实验室样本处理、服务机器人精细化操作等场景的落地进程。

查看so100_strawberry_1

Dataset card内容：

Files and versions内容：