国产新突破！这个人形机器人数据集开源了
在机器人行业，有两件事非常耗时耗力：做标准和用标准把自己“卷死”。
好消息是，这一次，乐聚机器人选择了两件事一起做 —— 甚至还越卷越开心。
当“国地标准共建引领”、“60,000+ 分钟真机实采”、“多模态”、“多场景”这些关键词凑在一起时，故事就有意思了：因为你会看到一个机器人团队，把一套国产机器人，从实验室的“宝宝”，训练成现实世界里的“超人”。
今天这篇文章，就带你看看乐聚机器人，是如何用硬核技术告诉行业：机器人不是靠吹的，是靠真机实采 60,000+ 分钟堆出来的。
LET数据集——全尺寸人形机器人真机数据集发布！
LET数据集：国内开源规模最大的全尺寸人形机器人数据集。LET数据集由乐聚智能、国家地方共建人形机器人创新中心、北京数聚通启运营管理有限公司和苏州吴江智训未来运营管理有限公司联合主导构建。
LET数据集基于全尺寸人形机器人 Kuavo 4 Pro 采集，涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务，支持真实环境下的可扩展机器人学习。
国标 + 地标 = 双标一起，把行业天花板抬高了
中国的机器人行业发展速度有多快？快到标准都在追着产业跑。
这一次，乐聚参与的是国家级 + 地方级标准体系的共建。
一句话总结：不是跟着标准走，而是把行业标准往前推。
在机器人领域，标准不是写在纸上给人看的，它决定：
- 机器人能不能上生产线
- 机器人能不能走进千家万户
换句话说，这不是写作文，是写行业未来的“使用说明书”。
而乐聚能够参与制定国家 + 地方标准，意味着：
- 技术够硬核 —— 没两把刷子，不会被拉进来
- 落地够扎实 —— 理论不能光好看，要经得起真机检验
- 鲁棒性够强 —— 能在真实世界里跑，不是只会在 PPT 里跳舞
可以说，乐聚机器人此次的角色，不只是做产品，而是帮整个行业把地基打厚一层。换言之，乐聚机器人通过国地标准共建，将自身技术体系纳入了“行业基线建设”的工程化进程中。
60,000+ 分钟真机实采：别家的机器人在练习，乐聚的机器人在“高考”
60,000+ 分钟是什么概念？
- 相当于连续工作 41 天
- 相当于一个新人工程师入职后被“社畜化”的第一个月
- 更相当于把机器人从白纸训练到“有脾气、有判断、有点不好惹”
而且这不是仿真数据，也不是“象征性采几组”那种演戏式测试。乐聚用的是——真 · 机 · 实 · 采。这些数据通过乐聚夸父（Kuavo 4 Pro）系列全尺寸人形机器人统一采集。该人形机器人具备40+自由度，身高约1.66米，体重约55公斤，最大行走速度 7 km/h，支持不停机电池更换，同时搭配头部立体相机与腕部RGB-D相机。
另外值得一提的是，前不久，全球首款5G-A人形机器人乐聚“夸父”以“0号火炬手”的身份亮相第十五届全国运动会。它身高1.66米，单臂承载1.6公斤火炬，它完成百米奔跑、挥手致意、火炬交接等高难度动作，全程稳健零失误，以科技实力诠释“更快、更高、更强”的体育精神。
乐聚机器人通过 60,000+ 分钟的大规模真实数据采集，能捕获到大量“非理想数据”，形成一个对算法极具价值的现实世界误差分布模型，为探索机器人领域的Scaling Law提供更优质的数据基础。机器人行业真正的鲁棒性，就建立在这种数据之上，让模型学到的是"真功夫"，不是"纸上谈兵"。
多模态数据融合和对齐标注
机器人要具备实时感知、理解、推理和行动的能力，这仅仅依靠单一模态是远远不够的，乐聚机器人采用的是完整的多模态数据采集和融合（Multimodal Fusion）系统。
LET数据集融合了机器人头部视角和双腕视角的视频流数据，并同步采集RGB图像、深度图、关节状态和末端执行器状态等模态信息。通过全域采集操作过程中的多模态数据，可以为模型训练提供高一致性、高完整度的真机数据基础，从而使模型的感知和推理更贴近人类的认知方式。
LET数据集将复杂任务分解为一系列具有明确语义的原子动作步骤，采用规范标注方法，为每个任务提供子任务级别的时间轴与自然语言标注。还构建了一套系统的多模态对齐标注体系，每条数据配套多维度语义标签信息，包括：
- 物品标签：工业件、餐具、日用器具、药品等
- 技能标签：抓取、放置、旋转、推进、拉取、按压等
- 任务与场景标识：任务名统一编码，场景维度区分操作上下文语义
- 末端类型：分别记录夹爪、灵巧手执行动作
- 语言描述：如“从传送带抓取药盒并放置到指定托盘”，支持自然语言与动作对齐建模
这意味着机器人不只是“看见画面、听见声音”，而是能构建：关于环境、任务、机器人的统一语义认知模型。这正是下一代机器人能进入真实行业场景的核心技术基础。
多场景：真实落地的必备条件
多场景（Multi-scene）对于机器人数据集的重要性，可以说是决定模型能否真正“上岗”的关键因素。它不是“锦上添花”，而是从研究走向真实世界的必备条件。因为多场景极大影响了模型泛化性（Generalization）和鲁棒性（Robustness），也是当前大模型（VLA、VLM、World Model）成功的必要条件。
LET数据集以真实作业场景为核心，全面覆盖：
- 3大领域：工业、商业零售和日常生活
- 6大场景：汽车工厂、生活服务、快消场景、酒店服务、物流场景和3C工厂
- 31项子任务
- 117种原子技能：抓取、双手操作、工具使用等
自研数采链三大技术创新，重新定义高质量数据
LET数据集引入数采链三大技术创新：
1. 构建视觉伺服闭环数据：将机器人本体和传感器，转变为一个统一的、抽象的坐标系或特征，使数据质量一致性达到 90% 以上。
2. 采用高效的组帧技术：将多传感器数据帧的时间戳误差与延迟严格控制在10ms以内。
3. 建立自动化Benchmark评测系统：对数据收敛度、样本效率与稳定性进行全面评估，确保数据迁移的有效性和泛化能力。
通过上述技术，可以系统性提升数据质量、对齐精度与模型可验证性。
真机数据应用案例
1. 日化生产场景：日化产品定姿摆放
2. 汽车制造场景：SPS零件分拣
3. 物流场景：快递分拣应用
4. 3C场景：传送带物料分拣应用
综合来看，LET数据集采用的技术路线可概括为：
1. 先进的标准体系：通过国地标准共建，将技术路线与行业未来要求绑定。
2. 多模态、长时序、真机实采的数据体系：60,000+ 分钟不是数据量数字，而是构建机器人“真实世界行为分布”的基础。
3. 多模态融合的感知认知体系：让机器人从“看见”升级为“理解”。
4. 多场景验证的泛化能力构建：全面场景的泛化性和鲁棒性突破。
One More Thing，LET数据集还提供了一套数据转换、模型训练、仿真测试与真机部署的全流程数据工具链，堪称是“一条龙”式服务，这将进一步推动机器人行业的研发与落地。
通过这一整套方法论，实质上推动了机器人从：实验室性能 → 工程可用性 → 真实世界可靠性的演进路线。
LET数据集下载方式
国内开源规模最大的全尺寸人形机器人数据集“LET数据集”！其60,000+分钟数据已捐赠至开放原子开源基金会，并在 Openloong 开源社区官网同步上线。
1. 官方邮箱：[email protected] 发邮件直接申请获取
2. 公开平台Openloong开源社区已上线
3. 公开平台扫码获取数据：魔搭社区/ HuggingFace /github
结语
LET数据集不仅精准满足了具身智能领域对高质量真机数据的需求，更为机器人行业创新发展提供了核心的数据支撑。
乐聚机器人这次的动作，不止是技术升级，而是给行业打样：
- 国地标准共建，为行业树规则；
- 60,000+ 分钟真机实采，为产品炼“筋骨”；
- 多模态感知，为机器人装“脑子”；
- 多场景适应，为落地铺“路”。
Amusi 期待更多厂商积极投身机器人的开源生态建设，从算法到数据、从基准到应用，形成合力，共同推动整个行业的突破。让人形机器人不再是实验室里的“高冷科技”，而是走进每一个普通家庭的“好伙伴”！
整理不易，请点赞和在看
