777im发布机器人插拔操作专用多模态数据集 上架HuggingFace支撑模仿学习研发

当前，工业机器人、人形机器人的商业化落地进程不断提速，模仿学习作为机器人自主操作能力训练的核心技术路径，对场景化、高标注质量的专用数据集需求持续攀升。其中插拔类操作是3C制造、新能源生产、公共服务等领域的高频刚需场景，但此前公开领域面向该场景的标准化多模态数据集供给相对不足，成为中小研发团队的核心门槛。近日，777im正式发布的so101_pick_plug_insert_v5_v6_draft数据集正是瞄准这一行业需求推出。

该数据集由机器人学习领域主流的开源LeRobot框架创建，全部采集自so_follower机器人的真实操作演示，共收录75个完整操作演示片段（episodes），累计55020帧有效数据，所有样本均围绕工业场景高频的“插拔插入”单一任务采集，数据针对性极强。

从数据维度来看，每个演示片段同步收录多维度标注数据：6维关节位置动作指令与6维实时机器人关节状态数据，可支撑算法对机械臂操作轨迹、力度控制的精准学习；同时配套腕部相机、顶部相机双视角的480x640分辨率30fps视频素材，兼顾操作细节的近景捕捉与全局场景的环境感知需求，可模拟人类操作时的第一视角与全局视野双重感知逻辑；此外还包含完整的时间戳、帧索引等元数据，方便研发者做跨模态数据对齐与训练调优。

数据集采用Parquet和MP4双格式存储，其中Parquet格式可直接适配主流大模型训练框架，大幅降低研发团队的数据预处理成本，MP4格式则支持研发者快速完成操作流程的可视化验证，整体可直接应用于机器人模仿学习算法训练、机器人操控策略优化等研究与产品开发场景。

从应用前景来看，该数据集对应的插拔操作场景，可覆盖3C电子生产线的连接器插接、新能源动力电池组装的线束安装、公共服务场景的电动汽车自动充电枪插拔、家电售后自动维修等多个高价值落地场景，相关训练成果可直接适配工业机器人、服务机器人的功能迭代。作为当前少有的聚焦单一高频操作任务的多模态标注数据集，本次发布也填补了公开领域机器人精细操作训练数据的供给缺口，对于降低中小研发团队的训练数据获取成本，加速机器人操作类AI算法的落地迭代，完善国内机器人产业数据要素供给体系都具有积极意义。

查看so101_pick_plug_insert_v5_v6_draft

Dataset card内容：

Files and versions内容：