JanPhilipp发布ttz_tools_merged机器人操作数据集 补强具身智能训练数据供给

近年来随着具身智能赛道持续升温，机器人操作大模型、运动控制算法的训练迭代对高标注质量、多模态对齐的实采数据集需求持续攀升，但由于实体机器人采样成本高、多传感器数据对齐难度大，适配通用机器人操作训练的公开数据集供给始终存在明显缺口。本次ttz_tools_merged数据集的上线，正是对该领域公共数据资源的重要补充。

JanPhilipp本次发布的数据集ttz_tools_merged，该数据集为机器人操作数据集，由LeRobot创建，包含机器人动作（6维关节位置）、状态观测（6维关节位置）、两个摄像头图像（480x640 RGB视频，30fps）、时间戳、帧索引、episode索引、任务索引。共100个episodes，87697帧，1个任务，机器人类型为so_follower，数据以parquet和mp4格式存储。

从数据结构设计来看，该数据集同时覆盖机器人本体运动数据与环境感知数据，且两类数据完成了高精度时序对齐，可满足不同技术路线开发者的训练需求：对于专注机器人运动控制算法的开发者，6维关节的动作与观测序列可直接用于运动轨迹预测、柔顺控制策略迭代、关节误差校准等场景；对于专注机器视觉与多模态融合的开发者，双视角RGB视频结合同步的关节状态数据，可用于视觉伺服定位、动态场景下的目标抓取策略、具身智能多模态大模型微调等研发工作。此外，数据集采用parquet结构化格式与通用mp4视频格式存储，无需复杂的格式转换即可被PyTorch、TensorFlow等主流深度学习框架直接调用，大幅降低了开发者的数据预处理成本。

作为机器人操作领域的新增公开数据集，ttz_tools_merged的上线进一步丰富了具身智能领域的公共数据供给，也为中小团队、学术机构降低了机器人操作相关技术的研发门槛，后续该数据集可被广泛应用于工业机器人分拣装配、服务机器人自主作业、人机协作安全控制等多个场景的技术预研与效果验证。

查看ttz_tools_merged

Dataset card内容：

Files and versions内容：