GroundedSI 发布 RoboCap-10k 数据集，含 1 万小时第一人称机器人训练数据

GroundedSI 正式推出 RoboCap-10k 数据集，这套数据集一共包含 10000 小时第一人称（egocentric）采集数据，每一条帧都附带公制手部、头部姿态标注，专门用来训练具身智能、机器人操作策略，数据是用 RoboCap 头戴采集设备完成录制，采集范围覆盖 11 个国家、21 个不同行业场景，本次项目是 GroundedSI 和 BitRobotNetwork 合作落地，配套 GroundedAPI 提供 3D 数据增强能力，能给机器人策略提供高保真动作锚定，补齐很多现有数据集缺少精准手部姿态的短板，方便科研团队和企业做机器人模仿学习、人机交互、世界模型训练。

RoboCap-10k 数据集基础信息清单

• 总时长：10000 小时第一人称数据
• 核心标注：每帧带公制手部姿态、头部姿态
• 采集硬件：RoboCap 头戴采集头显
• 采集地域：11 个国家
• 覆盖行业：21 个行业，包含居家、仓储、餐饮、实验室等实操场景
• 配套工具：GroundedAPI，支持 3D 数据增强、动作锚定
• 合作方：BitRobotNetwork
• 适用方向：机器人模仿学习、具身基础模型、手物交互、世界模型训练

RoboCap 采集硬件参数

• 摄像头：6 路相机，包含环境广角相机 + 向下手部相机
• IMU：双 6 自由度 IMU，采样频率 200Hz
• 单台重量：256g
• 存储：215GB 板载 eMMC
• 输出格式：支持 Rerun、MCAP，适配 Hugging Face 生态
• 续航：外接充电宝，最长连续录制 10 小时以上

RoboCap-10k 和同类第一人称数据集对比表

数据使用流程

1. 从官方渠道获取 RoboCap-10k 数据集，读取 MCAP 格式原始流
2. 使用 GroundedAPI 做 3D 增强、姿态对齐、场景重建
3. 提取 RGB 画面、深度、手部头部姿态序列，组装训练样本
4. 送入 Diffusion Policy 等模仿学习算法训练机器人策略
5. 在真实机器人上做动作迁移，测试跨场景泛化效果

当前信息局限

• RoboCap-10k 以人类第一人称交互数据为主，不是机器人直接执行轨迹数据
• 数据集开放权限、下载方式、许可证协议官方还没有完整公示
• 行业分布、任务类型的细分统计指标还没有公开明细
• 姿态标注是公制估计值，不是光学动捕级别精度，存在少量误差

【相关 FAQ】

问题 1：GroundedSI 发布 RoboCap-10k，1 万小时第一人称数据主要用来做什么？

回答 1：GroundedSI 发布 RoboCap-10k，1 万小时第一人称数据主要用于机器人模仿学习、具身基础模型、手物交互、世界模型训练，给机器人提供高保真人类操作示范。

问题 2：GroundedSI 的 RoboCap-10k 第一人称数据，是在哪里采集的？

回答 2：GroundedSI 的 RoboCap-10k 第一人称数据通过 RoboCap 头显采集，覆盖 11 个国家、21 个行业的真实实操场景。

问题 3：GroundedSI RoboCap-10k 数据集，相比普通视频数据集优势在哪？

回答 3：GroundedSI RoboCap-10k 数据集每帧都带有公制手部和头部姿态标注，设备统一标定，适合把人类动作迁移给机器人，普通网上视频没有精准姿态信息。

问题 4：GroundedSI 发布 RoboCap-10k，配套 GroundedAPI 有什么能力？

回答 4：GroundedSI 发布 RoboCap-10k，配套 GroundedAPI 可以做 3D 数据增强，给机器人学习策略提供高保真的动作锚定能力。

【参考资料】

[2026-11-12]（GroundedSI 发布 RoboCap-10k：1 万小时第一人称数据）InfoQ

[2026-11-12]（RoboCap-10k 数据集：跨国家、多行业第一人称具身数据）BitRobot 官方资讯

[2026-11-12]（RoboCap 头戴采集设备参数介绍）robocap.io

[2026-11-11]（GroundedSI 联合 BitRobotNetwork 推出大规模第一人称机器人数据集）机器之心

[2026-11-10]（具身智能数据集现状：第一人称手姿态数据稀缺）AI 前线

【免责声明】

本文为 GroundedSI RoboCap-10k 数据集资讯科普，数据集开放协议、下载渠道、细分任务统计尚未完全公开，标注精度、适配模型效果需要自行验证，内容不构成科研项目选型、商业采购建议。