matCercola18发布Clean_Workspace_SO101机器人数据集 首发HuggingFace赋能模仿学习与视觉运动控制

当前，协作机器人、人形机器人的产业化落地已进入关键阶段，而模仿学习、视觉运动控制作为机器人自主操作的核心技术路径，高度依赖真实场景下的多模态标注训练数据。由于实机数据采集成本高、标注流程复杂，高质量细分场景数据集始终是行业稀缺的核心资源，直接制约了相关算法的迭代效率与落地效果。

近日，开发者matCercola18正式发布Clean_Workspace_SO101机器人操作专项数据集，该数据集由LeRobot打造，为机器人操作任务的专项训练数据，于2026年9月30日首发上线HuggingFace平台，为机器人操作类算法研发提供了新的标准化数据支撑。

据公开信息显示，该数据集共包含100组完整操作序列（episodes），累计55819帧标注数据，全部面向训练场景开放，采集所用机器人为so_follower类型，多应用于双臂协作场景下的从动操作端，数据场景更贴近工业装配、桌面分拣等真实协作机器人作业场景。

数据维度覆盖全链路机器人操作所需的多模态信息：其中6维动作标注覆盖肩部旋转、肩部升降、肘部弯曲、腕部弯曲、腕部旋转和夹爪位置全关节动作指令，对应同等维度的观测状态数据记录实时关节角度，可直接用于动作模仿类算法的端到端训练；同时配套工作台全局摄像头、腕部近场摄像头两路视频流，分辨率为480x640、帧率30fps，采用高效AV1编码在降低存储成本的同时保留了画面细节，可支撑视觉运动控制算法的视觉反馈与动作对齐训练；此外数据集还配套了精准时间戳、帧索引、序列索引、任务索引等标注字段，方便研发人员快速完成多模态数据的时序对齐，降低数据预处理成本。

从应用方向来看，Clean_Workspace_SO101数据集可广泛用于协作机器人桌面操作任务的模仿学习训练、视觉伺服控制算法验证、多模态传感融合决策模型研发等场景，也可作为基准数据集用于不同机器人操作算法的效果横向对比，能够有效降低研发团队的实机数据采集门槛，加快算法迭代效率。作为机器人细分场景的专项数据集，本次发布的Clean_Workspace_SO101也为数据要素在机器人产业的落地提供了典型参考：垂直领域的高质量标注数据集，正在成为AI赋能实体产业的核心生产资料，这类数据集的开放共享，将进一步推动机器人技术的普惠化发展，加快工业协作、服务机器人等场景的商业化落地进程。

查看Clean_Workspace_SO101

Dataset card内容：

Files and versions内容：