aarontung发布g1-fold-towel具身智能专用数据集 覆盖毛巾折叠示教场景 支撑机器人模仿学习研发

当前具身智能与服务机器人赛道正进入落地攻坚期，针对柔性物体操作等家用高频场景的高质量标注训练数据，是制约服务机器人通用化能力提升的核心瓶颈之一。近日，开发者aarontung正式上线g1-fold-towel专用数据集，为相关领域研发提供标准化的训练数据支撑。

该数据集于2026年10月1日首发于HuggingFace平台，所有样本均来自机器人Charlie的真实操作演示，共包含96组带标注的毛巾折叠操作序列，原始记录完成于2026年9月29日。数据集采用具身智能领域广泛应用的LeRobot v3.0标准格式开发，可直接适配多数主流机器人算法框架，大幅降低研发团队的数据适配成本。整体采样帧率为30FPS，总帧数达185084帧，累计时长约1.714小时，覆盖毛巾折叠操作的全流程动作序列。

从数据维度来看，g1-fold-towel覆盖了机器人操作的多模态感知与控制全链路数据：视觉层面包含机器人头部480×1280 RGB双目立体图像（左右并排）、左腕和右腕480×640 RGB特写图像，可分别支撑全局环境感知、操作目标细节识别等视觉算法训练；状态观测维度包含29个测量的关节位置、7维枢轴数据、12维末端执行器位姿测量数据与4维夹爪控制数据，可直接用于模仿学习的动作对齐与控制策略训练；动作标注维度同样覆盖7维枢轴、12维末端执行器位姿指令、4维夹爪控制指令，完整复现操作过程的控制信号序列。此外数据集还包含完整的任务与子任务时间线语言注释，所有数据均遵循BitRobot/HIW-500-LeRobot的特征命名、维度、相机布局和嵌套语言模式，可与同体系其他数据集打通使用。

在数据质量层面，研发团队对所有样本做了精准的时序对齐处理：每个折叠毛巾操作episode的起止都有精准标注，采用30Hz网格采样做时序统一，缺失值最多保留2秒，视频编码采用高效的AV1格式，在保证画质的前提下降低存储成本。

从行业应用价值来看，该数据集可广泛应用于多个具身智能研发方向：一是家用服务机器人的柔性织物操作算法训练，除毛巾折叠外，还可拓展至衣物整理、布艺收纳等同类场景的算法迁移；二是机器人示教系统研发，验证从演示数据到动作复刻的技术路径，优化示教效率与准确率；三是通用模仿学习框架的基准测试，依托标准化的格式与标注体系，可作为公共基准验证不同算法的泛化性与操作精度。当前我国数据要素市场正加快向垂直行业延伸，这类聚焦细分场景的高质量标注数据集，是具身智能产业发展的核心生产资料，能够大幅降低中小研发团队的数据采集与标注成本，加快服务机器人家用场景的落地进程。

查看g1-fold-towel

Dataset card内容：

Files and versions内容：