该数据集是目前业内规模最大的开源具身智能数据集，累计超过 10,000 小时真实交互数据与 100 万段以上任务片段，覆盖 3,000 余个真实家庭环境和近 10,000 个细粒度操作目标，显著提升模型在开放世界场景下的泛化能力。数据来自自然人类操作过程，围绕 10 类家庭场景与 30 项核心技能系统构建，避免技能碎片化与重复，并完整记录双臂协同与长时序复杂任务的全过程行为。数据包含大视场鱼眼图像

Hugging Face2026-01-03 更新2471

EgoMAN

人机交互

具身智能

EgoMAN是由Meta与华盛顿大学联合构建的大规模自我中心视角交互数据集，包含300+小时视频、1500+场景的219,000条6自由度手腕轨迹数据及300万结构化视觉-语言-运动问答对。数据集通过Aria眼镜采集，整合了EgoExo4D、Nymeria和HOT3D-Aria等多源数据，涵盖烹饪、自行车维修等日常活动，每条轨迹均标注了接近(approach)和操控(manipulation)双阶

arXiv2025-12-19 更新1450

GM-100

具身智能

机器人行为研究

GM-100是一个用于评估具身智能代理的基准数据集，包含100个精心策划的任务，涵盖了广泛的长尾行为，并由多个机器人平台收集的超过13,000条专家轨迹支持。

github2026-02-03 更新690

OmniSharing DB 帕西尼全模态具身智能数据集

具身智能

机器人训练

OmniSharing DB 帕西尼全模态具身智能数据集是国内首个融合触觉、视觉、语言与动作四维模态的高精度机器人训练数据资产，依托帕西尼感知科技总部独创的PMEC超采技术与VTLA（视觉-触觉-语言-动作）模型框架构建。该资产通过向总部采购自研的触觉手套，以及多维视觉阵列及语音系统等数据采集设备，完整记录人类在工业装配、家居服务、特种作业等各类场景下的物理交互过程，覆盖触觉力反馈（分布力/合力大

北京国际大数据交易所2450

MansionWorld

具身智能

三维场景理解

MansionWorld 是一个面向具身智能的建筑级多楼层三维环境数据集，基于语言驱动的 MANSION 框架生成，旨在支持跨楼层导航与长时序任务的研究。该数据集构建了包含住宅、办公楼及公共设施在内的多类型三维建筑场景，每栋建筑具有 2–10 层结构，并通过楼梯、电梯等实现真实的垂直连通关系，从而模拟复杂的室内空间拓扑。数据集提供结构化的场景布局（如 JSON 格式平面结构）与对应的视觉表示（如平

Hugging Face2026-03-14 更新780

具身智能场景技能训练数据

资源简介：

相关数据集