数据集
142 个数据集
热门分类：
这是一个面向机器人操作任务的数据集，使用真实机器人（RealMan RMC-AIDA-L）配合两指夹爪采集，覆盖家庭和餐厅两种场景。数据集包含776个演示片段，总帧数超过51万，记录了抓取、拾取、放置和擦拭四种原子动作，并针对“用抹布擦除桌面污渍”这一主要任务设计了多种子任务（如用不同颜色的抹布擦除不同颜色的污渍）。数据以30 FPS保存，附带3个摄像头视角的影像，以及丰富的子任务分段、场景描述、末端执行器运动状态和夹爪状态等标注信息，便于用于机器人技能学习研究。
Fineweb-Edu-Chinese-V2.1
已完整同步
Fineweb-Edu-Chinese-V2.1 是一个面向中文教育领域的大规模文本生成数据集。它包含按质量评分分档整理的内容，评分范围从 2 到 5，其中 4-5 分为高质量教育文本（约 70GB，460 亿 token），3-4 分为较适用的内容（约 800GB，5300 亿 token），2-3 分则为潜在可用但质量有限的数据（约 1.4TB，9300 亿 token）。数据集以文件夹形式组织，便于用户根据训练时间和计算资源灵活选择不同质量档位的数据，适用于各类语言模型的训练与微调。
这是一个用于机器人操作学习的数据集，记录了双臂协作完成“篮子放置与桃子放入”任务的场景。数据集包含 721 个回合、约 30 万帧视频和图像数据，帧率 30 FPS，总大小 3.6GB，格式与 LeRobot 兼容。机器人型号为 Realman RMC-AIDAL，末端为二指夹爪，操作场景涵盖家庭和厨房环境，原子动作包括抓取、拾取和放置。任务涉及左右夹爪配合，将篮子摆正后把桃子放入篮中，共包含 5 个主要任务和 28 个子任务，数据标注了中英文描述。
这个数据集记录了机器人执行“取包子、放入蒸笼并盖盖”这一完整任务的操作过程，包含约1000个片段、近100万帧画面和18.2GB的数据。机器人采用两指夹爪，在家庭场景中完成抓取、放置等原子动作。数据配有3个视角的同步视频，并提供子任务分割、场景描述、末端执行器方向/速度/加速度以及夹爪开合状态等丰富的标注信息，支持机器人学习与模仿研究。
这是一个用于机器人操作的数据集，包含将篮子堆叠的任务。数据由Realman RMC-AIDA-L机器人使用两指夹爪采集，共484个演示片段，总帧数278342（30FPS），涵盖2个主要任务（将棕色篮子放在黄色篮子上，以及将黄色篮子放在棕色篮子上）和15个细分子任务。数据集提供了丰富的标注信息，包括子任务分割、场景描述、末端执行器方向/速度/加速度、夹爪状态与开度，以及模拟空间中的6D位姿等。数据格式兼容LeRobot，支持中英文，适用于模仿学习、机器人操作等研究。
该数据集包含机器人搅拌咖啡的精细操作任务，使用Realman RMC-AIDAL机械臂与两指夹爪，在家庭、办公室和咖啡馆场景中执行抓取、拿取、放置、移动、搅拌等基础动作。数据集共收录767个演示片段、555807帧图像，涵盖8个主要任务（如移动杯子、拿起勺子、搅拌三次并放回）和16个子任务，帧率为30fps，总大小3.6GB。所有数据以兼容LeRobot的扩展格式存储，并包含3个不同相机视角的录制。
这个数据集聚焦于机器人操作任务，使用乐聚机器人（leju_robot）搭配五指灵巧手，在家庭场景中执行从柜中取零件并放置到桌上的操作。数据包含492个完整演示片段，总帧数约73.9万帧，覆盖抓取、放置、拾取等原子动作，并提供3个视角的同步视频。除了动作和状态记录，还附带细粒度子任务分割、场景描述、末端执行器运动方向与速度加速度分类、夹爪开合状态等丰富标注，适合用于模仿学习、动作分割和机器人操控研究。
这是一个用于机器人操作的数据集，基于LeRobot扩展格式，包含688个演示片段，共167,196帧，涵盖15个不同任务。机器人使用五指手爪在家庭场景中执行抓取、放置等原子动作，具体任务包括拿起钢架、真空纸、饮料瓶等物品并放置到桌上或指定位置。数据集以30帧每秒录制，总大小约5.8GB，适用于机器人学习与模仿研究。
这是一个机器人操作数据集，专注于“机械臂拾取电池”这一单一任务。数据集包含387个完整演示，总计约185,469帧，覆盖工厂场景，机器人类型为ruantong_a2d，末端执行器为两指夹爪。数据采集了8个摄像头视角，并提供了丰富的标注信息，包括子任务分割、场景描述、末端执行器运动方向/速度/加速度、夹爪开合状态等。数据格式兼容LeRobot，包含视频、状态、动作和元数据文件，总大小约95.3GB，适用于机器人模仿学习等研究。
Fineweb-Edu-Chinese-V2.2
已完整同步
Chinese Fineweb-Edu 数据集 V2.2 是一个面向中文教育领域的高质量数据集，覆盖从预训练到监督微调（SFT）的完整流程。该版本基于 DeepSeek V3.2 模型，从顶尖质量语料中提取了 143 万条高质量问答对，专为后训练阶段设计。数据集包含 SFT 问答、SFT 上下文和预训练等多种配置，旨在解决中文开源社区中优质教育语料稀缺的问题，助力提升模型在教育场景下的表现。
这个数据集专注于机器人操作任务，包含507个片段、约21万帧图像和92.8GB的数据，全部以LeRobot兼容格式存储。场景设定在工厂环境中，机器人（ruantong_a2d型号，配备二指夹爪）执行抓取、放置和拾取等原子动作，主要任务是将工具放入盒子。数据由8个摄像头视角录制，并提供了丰富的标注，包括子任务分段、场景描述、末端执行器运动方向/速度/加速度、夹爪开合状态以及仿真空间中的6D位姿信息。数据集采用Apache-2.0许可协议，适合用于机器人模仿学习、动作规划等研究。
这是一个机器人操作数据集，包含工厂场景中450个episode的抓取与放置任务，机器人型号为ruantong_a2d，配备两指夹爪。数据集涵盖抓取、拾取和放置三种原子动作，主要任务为同时抓取鼠标和电源线并放入盒子。共包含8个摄像头视角，提供子任务分割、场景描述、末端执行器方向/速度/加速度以及夹爪开合状态等丰富注释，格式兼容LeRobot，总大小约86GB。
本数据集是AgiBot-g1_left_capture_part，专注于机器人抓取任务。数据使用ruantong_a2d型机器人，配备两指夹爪，在工厂场景中执行“单手抓取零件并放入黑色容器”的操作，包含3个子任务。数据集共464个episodes，约17.5万帧，帧率30FPS，大小97.3GB，提供8个相机视角。同时带有丰富的注释信息，包括子任务分割、场景描述、末端执行器方向/速度/加速度、夹爪开合模式与活动状态等，适用于多种机器人学习方法。
AgiBot g1 box storage cardboard box c 是机器人操作演示数据，聚焦将纸箱等物体进行收纳和放置的操作任务，包含视频、轨迹和元数据。
Split_aloha_stack_baskets 是一个机器人操作数据集，基于 LeRobot 扩展格式。它使用 Agilex Cobot Decoupled Magic 机器人平台，配备两指夹爪。数据在家庭和厨房场景中采集，包含抓取、拾取和放置三种原子动作。主要任务是将黑色和棕色篮子按顺序叠放，共计 1066 个 episode、约 47 万帧，总大小 17.5 GB。数据集还提供了 3 个摄像头视角，并标注了细粒度子任务（如“用左夹爪抓取浅色篮子”、“将深色篮子放在浅色篮子之上”等），以及场景分类、末端执行器方向与速度等丰富注释，适用于多种机器人学习研究。
该数据集专注于机器人倒水操作，包含896个完整演示片段，总帧数超过130万。机器人使用两指夹爪，在家庭场景中执行抓取、放置和拾取等原子动作。任务涵盖拿起不同品牌的纸杯和矿泉水瓶，将水倒入杯中并放回原位，共包含8个主要任务和42个详细子任务。数据集兼容LeRobot格式，总大小约13.8GB，适合用于机器人模仿学习研究。
该数据集是一个面向机器人操作的技能数据集合，专注于倒饮料任务。机器人采用六轴协作臂搭配两指夹爪，在家庭场景中执行抓取、拾取、放置和倾倒等原子动作。数据集包含61个具体任务，涉及将橙汁、红酒、雪碧等液体以不同比例倒入黑色马克杯、纸杯和透明杯中，总计1613条演示轨迹，约86万帧画面，视频与动作数据均已同步录制，格式兼容LeRobot框架。
这个数据集专注于桌面整理场景的机器人操作任务，包含1660个完整的操作片段，总帧数超过260万。数据以30帧/秒的速度录制，涵盖抓取、捡拾、放置等基本动作，任务涉及将橘子、纸团、瓶子、文具等物品放入指定容器或笔筒中。数据集采用与LeRobot兼容的格式，提供中英文标注，适合用于机器人学习与操作技能训练。
这个数据集是一个面向桌面整理任务的机器人操作数据集，采用与 LeRobot 兼容的扩展格式。它涵盖了家庭和办公室两种典型场景，包含抓取、捡拾和放置三种原子动作，共收集了 1070 个演示片段，总帧数超过 200 万，帧率为 30fps，数据量约 32.3GB。数据集内包含 6 个主要任务（如将香蕉放到盘子里、把废纸丢进篮子、将水杯直立摆放在盘子旁边等），并进一步细分为 108 个子任务。文本描述同时支持中英文，便于不同语言背景的研究者使用。
这是一个机器人操作数据集，专注于使用两指夹爪执行拉链拉开与拉合动作。数据集包含1868个演示片段、超过83万帧图像，涵盖6个主要任务和14个细分子任务，均在家庭场景中采集。每个片段提供3个相机视角，并包含丰富的标注信息，如子任务分割、场景描述、末端执行器运动方向与速度、夹爪开合状态等，适合用于机器人模仿学习与操作技能研究。