國內首次！真實場景靈巧操作真機數據開源，拿來即用

機器人前瞻（公眾號：robot_pro）
作者 許麗思
編輯 漠影

具身智能要想從能跑能跳走向能干活的真實場景，除了身體的運動能力外，雙手還必須能在復雜物理世界里穩定、可控地完成精細操作。

從家庭場景中的整理收納，到物流倉庫分揀形狀各異的包裹，再到日化車間進行生產作業等等，這些看似簡單的動作，背后都需要機器人的雙手對力度、材質、接觸狀態的精準感知與判斷。

機器人前瞻1月8日報道，近日，樂聚機器人正式開源首批 800 條高質量靈巧操作數據，這是國內首次面向真實作業場景的人形機器人靈巧操作真機數據，填補了國內填補高質量靈巧操作數據空白，已在樂聚OpenLET 社區上線。

▲靈巧手指尖觸覺&腕部六維力矩

樂聚OpenLET社區是樂聚機器人在開放原子開源基金會平臺發起建立的開源社區，以“LET人形機器人真機數據集”為核心資產，聚焦人形機器人領域的真實數據開源與生態共建，為全球開發者、科研團隊及企業搭建協作橋梁，加速具身智能技術的研發與產業落地。

值得一提的是，后續樂聚還將開放工業場景的靈巧操作數據，相關動態可通過樂聚 OpenLET 社區持續關注。

這一數據集的開源，填補了具身智能領域高質量靈巧操作數據的迫切需求，將為行業技術創新提供關鍵數據支撐。

一、高質量物理交互數據缺失，機器人“看得見摸不準”

大模型與多模態融合技術為具身智能產業帶來了巨大的發展機會，機器人不再局限于預設程序的機械執行，而是具備了更強的環境適應性，能夠在復雜多變的環境中完成任務，讓行業看到了規模化落地的曙光。

大模型帶來了強烈的機器人能力躍遷的觀感，但聚焦到操作現場，我們會發現，機器人雖然擁有了更聰明的大腦，知道要干什么，但常常“控制不住手”。

高質量物理交互數據的缺失，正是制約具身智能技術落地的核心一環。在真實場景中采集數據時，受到環境復雜性、數據采集設備限制等因素的影響，數據質量參差不齊，遠遠無法滿足模型訓練的需求。

同時，行業長期高度依賴視覺方案，機器人在面對抓取、裝配等精細操作時，力度、材質、摩擦這些關鍵信息很難被準確捕捉，自然容易陷入“看得見摸不準”的窘境。

高質量物理交互數據的缺失，還意味著行業容易陷入的“重復造輪子”的情況。不少企業、科研團隊都需要從零開始搭建采集系統、積累數據，不僅造成了大量的資源浪費，更延緩了整個行業的技術迭代速度。

正是洞察到行業這些痛點，樂聚機器人選擇開源靈巧操作數據集，打破了單一視覺數據的局限，為機器人模型訓練提供了更多維、精細的多模態數據來源。

二、以真實場景為核心，數據維度更豐富

樂聚此次開源的靈巧操作數據集，聚焦于真實作業場景，覆蓋家庭、物流、日化三大具身智能落地的關鍵領域，包含 800 條高質量真機操作數據，并且數據維度更加豐富。

該數據集最核心的升級，在于新增兩類關鍵數據維度：觸覺數據與六維力數據，這也是靈巧操作里最關鍵、卻最難從視覺里獲取的訓練信號。

觸覺陣列數據：6×12×5指尖觸覺傳感器采集的時序壓力數據，能讓靈巧像人手一樣，在觸摸到物體的時候就能感知到材質、形狀和接觸狀態；

六維力數據：記錄抓取、放置等動作的三維力和力矩信息，精度達±0.5%。

這兩類數據，能夠讓機器人在物理交互時理解該怎么接觸、該用多大力、力要往哪使，從而顯著提升精細操作的穩定性、魯棒性。

該數據集還包含了另外三大維度：

RGB-D視覺數據：提供高分辨率彩色圖與稠密深度圖，精準還原場景完整外觀與三維空間信息，為機器人定位物體提供基礎；

同步動作信息：配套手部關節角度、速度等實時數據，實現 “視覺 – 力觸 – 動作” 的全鏈路對齊，讓模型清晰理解感知與動作的關聯邏輯；

多場景標注：涵蓋快遞分揀、快消上料、家庭物品抓取等典型任務，每條數據均附帶場景類型、物體材質、操作目標等多維度語義標簽，支持自然語言與動作對齊建模。

為確保數據的可用性與一致性，避免因設備差異導致的數據偏差，統一采集本體至關重要。該數據集基于樂聚新一代靈巧手完成統一采集，這款靈巧手以 “全感知升級” 為核心，還融合了實時力覺反饋與指尖觸覺感知技術。

這款靈巧手160–185°/s 的關節速度確保操作高效響應，0.35 秒的開合響應時間能夠適配物流分揀等高速作業場景，±0.2 毫米的定位精度實現毫米級精準控制，滿足日化抓放、工業裝配等精細操作需求。

從家庭場景穩定抓取水果、快消場景無損抓放物料到快遞場景高效分揀，它都能精準地完成。

▲家庭場景穩定抓取水果

▲快消場景無損放料

▲快遞場景高效分揀

三、從數據集到產業飛輪

相較于仿真數據在模型訓練存在的Sim2real鴻溝，真實數據源自真實環境中的物理交互，能精準還原力覺反饋、環境干擾等仿真數據難以模擬的細節，同步采集多維度數據，優勢顯著。

對模型訓練而言，優質的真實靈巧操作數據能夠提升訓練效能與實用性，推動機器人從“看得見”向“操作得準”跨越，把演示成功率變成持續可復現的真實作業能力，其核心價值已在多個真實場景中得到驗證。

該數據集多模態的觸覺-視覺融合、力控策略的不斷優化，打破了純視覺方案的局限，賦予靈巧手像人手一樣的環境感知能力，構建的穩定物理交互閉環，提升復雜環境下的操作穩定性。

模型的泛化能力在數據集的賦能下大幅增強，數據集覆蓋不同材質、不同形態、不同場景的多樣化操作樣本，使得模型能夠靈活應對各類物體的操作需求，跨場景適配能力顯著提升。

高質量的物理交互數據能夠顯著提升任務成功率，這一點已在紙箱拆垛、順豐快遞分揀等場景得到驗證，機器人能實時感知物體狀態和力度，就算遇到條碼遮擋、物品破損、表面濕滑等復雜情況，也能通過觸覺補償快速調整操作策略，精準完成任務。

▲紙箱拆垛

▲快遞分揀

除此之外，該數據集還有望降低了行業研發落地門檻，配套的數據工具包和示例代碼開箱即用，能夠快速將數據應用于模型訓練，大幅縮短研發周期。

靈巧操作數據集的價值遠不止于單一技術優化，還打通了“算法研究 — 模型訓練 — 場景測試 — 產業驗證”的全鏈路環節。它既能夠支撐觸覺識別模型的訓練評估，又能為抓取策略、力控算法提供真實驗證環境，更深度賦能多模態融合、具身推理等前沿方向研究，推動具身智能技術的快速迭代與規模化落地。

結語：高質量物理交互數據，加快機器人進化與落地

當各大機器人廠商加速把機器人推向工業、商業與家庭等更復雜的真實場景，行業對高質量物理交互數據的需求水漲船高，這是從展臺演示跨越到長期穩定運行的關鍵一環。

在這樣的背景下，樂聚選擇開源靈巧操作真機數據，不只是一次資源共享，也是向行業輸出了標準化數據建設的實踐經驗。這有望幫助機器人提升動作精度與環境適應能力，增強跨場景泛化能力，縮短從算法研究到場景驗證、再到規模化部署的鏈路，加快更多應用落地，讓真正的商業化更早發生。