2022 BC-Z 机器人模仿学习数据集 零样本任务泛化多场景操作数据下载

一、数据集核心信息

开发主体：谷歌（Google）、Everyday Robots、加州大学伯克利分校、斯坦福大学联合打造

发布时间：2022 年

关联论文：《BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning》

核心优势：支持零样本（zero-shot）任务泛化，机器人无需先前经验即可通过模仿学习执行新操作任务

二、数据覆盖范围

任务场景：25,877 + 个不同操作任务场景

任务类型：涵盖 100 种多样化操作任务

数据规模：累计 125 小时机器人操作时长

参与主体：涉及 12 台机器人、7 名专业操作员

数据来源：专家级远程操作 + 共享自主过程采集

三、可用途径

支持训练 7 自由度多任务策略模型

可根据任务语言描述 / 人类操作视频调整模型，适配特定操作任务

适用于机器人模仿学习、零样本任务泛化、智能机器人操作训练等研究场景

科研论文数据支撑、机器人算法开发、AI 机器人教学实验等用途