内容摘要
做机器人本体软件的人绕不开的问题是：Hugging Face（数据托管平台）上带 LeRobot 标签的开放数据集里，究竟有多少真能拿来训练真机？LeRobot 是该平台的开源机器人学习项目，可录制演示并分享。2026 年 10 月 23 日，LeRobot 团队账号之外有 81,881 个数据集带该标签。
这份单作者普查从标签池均匀随机抽了 400 个，按自定门槛筛选：至少 10 条演示片段（episode，一段完整演示记录），再加名称不标记测试或评估、至少有一个相机、名称不标记仿真三条。389 个能读到说明卡（dataset card）的数据集中，57% 片段数不超过 10，中位数为 10；过滤并阅读说明卡后剩 148 个，占可读的 38%（95% 置信区间 33%—43%），9 个的仿真属性未判定；门槛设为 5 条时占 42%，设为 20 条时降到 30%。
可用数据高度集中：三个是大型学术数据集的重复上传，合计占可用组 95% 的片段；其余 145 个中位数为 48 条片段，61% 采自低成本 SO-100/SO-101 机械臂，最大的 10 个占 68% 的片段。作者认为多数上传不是太小、就是测试或评估、或属仿真，可用的部分由单一机械臂形态主导。
开发者可据此给公开数据集分级：按片段数、是否标注仿真、是否只覆盖同一类本体，而不是按平台标签总量估算储备。普查本身未训练或评测任何策略。
点评
它给出一把可复用的筛子：判断一个公开机器人数据集能否用于真机训练时，先看演示片段数量、是否标注为仿真或评估、是否只覆盖同一类机械臂本体，而不是看平台上挂了多少标签。
本次只取到该 Zenodo 记录的摘要与著录页，页面列出的正文 PDF 未下载阅读，因此全部数字均为作者自述，未经独立复核；记录按滚动版本抓取，记录详情给出的 DOI 与本条目标识所用 DOI 不一致，页面为获取时快照，其日期不能证明全部文字在报告截止前已存在。结论基于 2026 年 10 月 23 日标签池中 400 个随机样本，仅 389 个能读到说明卡；片段门槛由作者自定，可用比例随门槛在 30%—42% 间移动；9 个数据集的仿真属性未能判定；普查未训练或评测任何策略，不足以支持"这些数据能训出可用策略"的结论。
版本与核查范围
版本 rolling · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 p[6]；p[6]；p[6]；p[6]；p[6]；p[6]；p[6]；p[6]；p[6]；li[3]；li[4]；pre[40]