polarisai-robots发布bento_ur7e_v2机械臂专用数据集 支撑示教学习、视觉运动控制研发
近年来，随着通用机器人、工业自动化技术的快速迭代，机器人示教学习、视觉运动控制已成为行业核心研发方向，而覆盖真实机械臂运行全链路的高质量标注数据集，是降低研发成本、提升模型落地效率的核心基础资源。近日，机器人技术研发主体polarisai-robots正式发布bento_ur7e_v2专用数据集，该数据集于2026年10月1日率先上线HuggingFace平台，面向全球研发人员开放使用。
据介绍，bento_ur7e_v2是基于HuggingFace开源LeRobot框架打造的机器人专用数据集，该框架是当前全球机器人学习领域应用最广泛的开源工具链之一，可实现数据采集、模型训练、推理部署的全流程适配，保障了数据集的兼容性与易用性。本次发布的数据集聚焦UR7e六轴机械臂的真实运行场景，共包含498个完整任务片段，总帧数达1,036,065帧，覆盖3类不同的机械臂操作任务维度。
从数据字段构成来看，每个任务片段均包含7维动作数据（6个关节位置+夹爪位置）、7维机械臂运行状态数据，同时同步采集了顶部全局视角、腕部第一视角的两路摄像头图像数据，分辨率为480x640，采用AV1编码格式，帧率达60fps，可完整复现机械臂操作过程中的视觉环境变化与动作对应关系。此外数据集还配套了时间戳、帧索引等全量元数据，所有数据采用parquet结构化格式与mp4视频格式存储，且已完成训练集/测试集的标准化划分，研发人员可直接调用开展训练工作。
从应用价值来看，该数据集可广泛覆盖多个机器人研发核心场景：在机器人示教学习领域，研发人员可基于该数据集开展模仿学习、强化学习相关模型训练，大幅减少实机数据采集的时间与硬件成本，加速工业分拣、精密装配、物流搬运等场景的机械臂示教方案落地；在机械臂视觉运动控制领域，双视角视觉数据与动作、状态数据的精准对齐，可为端到端视觉引导控制模型、动态路径规划算法、复杂环境避障策略的研发提供训练支撑，此外该数据集也可作为多模态大模型、通用机器人基础模型的预训练数据源，填补机械臂实机运行多模态数据的供给缺口。
当前全球数据要素市场正加速向垂直行业场景渗透，机器人领域的高质量开放数据集，是推动技术普惠、降低行业创新门槛的核心公共资源。本次bento_ur7e_v2数据集的开放，将为全球机器人研发团队提供标准化的实机数据支撑，助力相关技术的迭代与商业化落地。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)