开发者praneetnayak发布MuJoCo双机械臂仿真数据集 首发HuggingFace赋能机器人模仿学习赛道

作为当前AI落地的核心赛道，具身智能特别是双机械臂机器人的研发迭代高度依赖高质量训练数据支撑：相比实体机器人数据采集的高成本、高损耗问题，基于物理仿真引擎构建的标准化数据集，能够大幅降低算法训练的试错门槛，已经成为机器人模仿学习、协同操作算法研发的核心数据要素。近期，机器人领域开发者praneetnayak正式对外发布全新双机械臂仿真数据集，进一步丰富了行业开源数据供给。

本次发布的数据集名称为mujoco_bimanual_demo_20260907_190800，于2026年9月7日首发于HuggingFace平台。该数据集基于LeRobot框架创建——作为HuggingFace面向机器人学习领域推出的开源工具集，LeRobot被广泛应用于机器人数据集构建、模型训练及基准测试，具备良好的行业通用性。数据集完整记录了单任务场景下双机械臂操作的全流程数据，核心字段包含：12维左右臂关节位置的动作、状态数据，前视图、左腕摄像头、右腕摄像头三个视角的视觉数据（分辨率240x320，帧率30fps），同时配套时间戳、帧索引、episode索引等元数据，全数据集共1个episode、1266帧，适配机器人类型为mujoco_sim_socket，采用Apache-2.0开源许可，支持学术研究及商业化场景使用。

从应用场景来看，该数据集具备多维度落地价值：首先可用于双机械臂协同操作算法预训练，针对工业装配、物流分拣、日常服务等需要双臂配合的任务场景，研发人员可基于该仿真数据完成模型的初步训练，再迁移到实体机器人上微调，大幅降低实体硬件的损耗成本；其次可作为机器人模仿学习的基准测试数据集，验证模仿学习模型对动作轨迹的还原精度、复杂操作的完成度；此外，同步收录的多视角视觉数据与关节动作数据，也可为具身智能多模态融合算法研发提供数据支撑，用于训练视觉感知到动作决策的端到端模型，提升机器人在未知场景下的自适应能力。

当前全球机器人产业正处于快速迭代期，开源共享的高质量仿真数据集，是降低中小研发团队准入门槛、推动全行业技术创新的核心公共资源。本次数据集的发布，不仅填补了双机械臂细分场景的开源数据供给缺口，也为数据要素在高端制造、AI机器人领域的价值落地提供了典型样本。

查看mujoco_bimanual_demo_20260907_190800

Dataset card内容：

Files and versions内容：