nakanakagawa发布机器人操作专用数据集sponge_task_10_02_v5 开源支持模仿学习技术研发

近年来，随着通用人形机器人、工业协作机器人赛道的快速升温，模仿学习、行为克隆已成为机器人实现复杂操作能力的核心技术路径，而覆盖动作、视觉、时序标注的高质量标准化操作数据集，是支撑相关技术研发的核心基础资源，也是当前行业供给相对不足的细分数据品类。在此背景下，开发者nakanakagawa正式发布面向机器人学习领域的专用数据集sponge_task_10_02_v5，于2026年10月2日首发于全球知名AI开源社区HuggingFace，面向全球研发团队开放使用。

据介绍，本次发布的数据集基于机器人学习领域主流的LeRobot库创建，该工具库是当前全球模仿学习研发领域通用的数据集生产与模型训练工具，基于其生成的数据集具备统一的标注规范，可直接适配主流算法框架，大幅降低研发团队的数据预处理成本。本次数据集采集针对so_follower类型机器人完成，覆盖三大类核心数据维度：一是机器人本体的6维关节动作与状态数据，包含肩部、肘部、腕部、夹爪等核心执行部件的全量运行参数；二是多视角视觉数据，由部署在机器人不同位置的cam_0、cam_1两个摄像头同步采集，视频分辨率为480x640，可支撑多模态视觉-动作对齐模型的训练需求；三是完整的时序与任务标注数据，包含每一条数据对应的时间戳、帧索引、片段索引、任务索引等结构化标注信息，可直接满足模仿学习、行为克隆等任务的训练标注要求。数据集采用parquet结构化数据格式加mp4视频格式存储，兼顾了数据读取效率与可视化校验需求。

从应用场景来看，该类标注完备的机器人操作数据集，可广泛应用于工业协作机器人的抓取、组装等精细化操作训练，服务机器人的日常家务、物品搬运等场景的行为克隆研发，同时也可为机器人仿真到现实迁移（Sim2Real）算法验证、多视角机器人感知模型训练等方向提供标准化的测试与训练素材。当前，全球数据要素市场正处于快速发展阶段，垂直领域的专业训练数据集作为AI与机器人研发的核心生产资料，其供给丰富度直接影响行业的研发迭代效率。本次sponge_task_10_02_v5数据集的开源发布，进一步丰富了机器人学习领域的开源数据供给，对降低中小研发团队的技术门槛、推动机器人模仿学习技术的落地应用具备积极意义。

查看sponge_task_10_02_v5

Dataset card内容：

Files and versions内容：