humanoid-everyday

Humanoid Everyday是一个大规模、多样化的仿人机器人操作数据集，专为开放世界的机器人学习和具身智能设计。它包含7个主要类别超过260个任务，涵盖灵巧操作、人-仿人机器人交互和集成了移动性的活动。所有数据都是通过人工监督的远程操作管道收集的，记录了以30赫兹频率的多模态感知流（RGB、深度、LiDAR、触觉、IMU）。

原始信息汇总

Humanoid Everyday 数据集概述

数据集基本信息

• 许可证: Apache-2.0
• 任务类别: 机器人学
• 语言: 英语
• 数据规模: 1K<n<10K

数据集简介

Humanoid Everyday是一个大规模、多样化的人形机器人操作数据集，专为开放世界机器人学习和具身智能设计。

核心特征

• 包含7个主要类别中的260多个任务
• 涵盖灵巧操作、人-人形机器人交互和运动集成活动
• 所有数据通过人工监督遥操作流程收集
• 以30Hz频率记录多模态感官流（RGB、深度、LiDAR、触觉、IMU）

数据访问方式

LeRobot v2.0格式

数据集符合LeRobot v2.0格式，可通过以下代码加载： python from lerobot.datasets.lerobot_dataset import LeRobotDataset, LeRobotDatasetMetadata ds_meta = LeRobotDatasetMetadata("USC-GVL/humanoid-everyday") ds = LeRobotDataset("USC-GVL/humanoid-everyday", tolerance_s=1e-2)

传统访问方式

可通过公共电子表格探索数据集： https://docs.google.com/spreadsheets/d/158Wzf8Xywky3aHJSCfp3OZxf4bkhzAJdcG94eHf8gVc/edit?gid=1307250382#gid=1307250382

电子表格包含：

• 260个人形机器人任务的完整列表，包含类别标签和机器人类型
• 每个任务的下载URL

手动数据加载器位于：https://github.com/ausbxuse/Humanoid-Everyday

引用信息

bibtex @misc{zhao2025humanoideverydaycomprehensiverobotic, title={Humanoid Everyday: A Comprehensive Robotic Dataset for Open-World Humanoid Manipulation}, author={Zhenyu Zhao and Hongyi Jing and Xiawei Liu and Jiageng Mao and Abha Jha and Hanwen Yang and Rong Xue and Sergey Zakharor and Vitor Guizilini and Yue Wang}, year={2025}, eprint={2510.08807}, archivePrefix={arXiv}, primaryClass={cs.RO}, url={https://arxiv.org/abs/2510.08807}, }

搜集汇总

数据集介绍

构建方式

在机器人技术领域，构建高质量数据集是推动开放世界人形机器人操作研究的关键。Humanoid Everyday数据集通过人工监督的遥操作流程采集，涵盖超过260项任务，分布于灵巧操作、人机交互及运动整合活动等七大类别。数据采集过程中，以30赫兹的频率同步记录多模态感官流，包括RGB图像、深度信息、激光雷达、触觉及惯性测量单元数据，确保了数据的全面性与时效性。

使用方法

数据集遵循LeRobot v2.0格式标准，用户可通过官方提供的Python接口便捷加载，指定数据集标识并设置时间容差参数即可访问完整数据。此外，还提供传统电子表格方式，详细列出任务清单及下载链接，并辅以手动数据加载器，支持灵活的数据探索与分析。这种多层次访问机制确保了研究社区能够高效利用数据集进行算法验证与创新应用。

背景与挑战

背景概述

在具身智能与仿人机器人研究领域，构建能够适应开放世界环境的智能系统始终是核心目标。Humanoid Everyday数据集由南加州大学通用视觉与学习实验室于2025年发布，聚焦于解决仿人机器人在复杂日常场景中的多模态操作问题。该数据集通过人类监督的遥操作流程采集，涵盖灵巧操作、人机交互与运动整合等七大类任务，其多传感器同步记录机制为机器人开放世界学习提供了关键数据支撑，显著推进了具身智能在真实环境中的泛化能力研究。

当前挑战

该数据集致力于攻克仿人机器人在开放世界环境中的多任务操作难题，具体涉及动态环境下的物体抓取稳定性、非结构化场景中的动作规划等核心挑战。在构建过程中，研究团队需克服多模态传感器时序对齐、人类示教数据与机器人执行轨迹的映射转换等技术瓶颈，同时确保260项任务在数据规模与多样性间的平衡，这对数据采集管线的鲁棒性与标注一致性提出了极高要求。

常用场景

经典使用场景

在具身智能研究领域，Humanoid Everyday数据集通过涵盖灵巧操作、人形机器人交互及运动整合活动等七大类260余项任务，为开放世界环境下的机器人学习提供了关键支撑。其多模态传感数据流支持从基础抓取到复杂协作场景的算法验证，成为评估机器人感知与决策系统在非结构化环境中适应性的标准基准。

解决学术问题

该数据集有效应对了机器人学中开放世界泛化能力的核心挑战，通过人类监督遥操作采集的真实场景数据，填补了传统仿真环境与物理世界间的语义鸿沟。其多任务架构为研究跨领域技能迁移、连续动作规划等课题提供实证基础，显著推进了具身智能系统在动态环境中的认知与执行能力研究。

实际应用

基于真实场景的传感数据与任务多样性，该数据集直接服务于家庭服务机器人、工业协作机械臂等实际系统的开发。通过模拟日常生活中的物体操作与环境交互，为机器人应对复杂家居场景、实现精准物料搬运等应用提供了可迁移的行为范式，加速了智能机器人从实验室到产业落地的转化进程。

数据集最近研究

最新研究方向

在具身智能领域，Humanoid Everyday数据集正推动开放世界人形机器人操控的前沿探索。其涵盖灵巧操作、人机交互与运动整合的多模态数据，为强化学习与模仿学习算法提供了真实物理交互基础。当前研究聚焦于跨任务泛化能力构建，通过多传感器融合策略应对动态环境挑战，同时结合大语言模型实现高层指令解析与行为规划。这一资源显著加速了通用机器人技术在家庭服务与工业场景的落地进程，为构建适应复杂日常任务的自主系统奠定数据基石。