datasets.bot：开放机器人数据集的"带具身字段的检索目录"¶

📅 2026-07 实测 · 🏛 个人/小团队作品（未署名，CMU AirLab 色彩浓） · 🏷 资源站 · 非论文非数据集 📌 一句话省流：它不是数据集，也不托管任何数据——是一个人工筛过 57 个开放机器人数据集、给每个写了介绍卡、并按"具身专属字段"做成可筛选目录的网站。你能在上面问出 HuggingFace 问不出来的问题，比如"给我：真机 + 机械臂 + 带触觉 + LeRobot 格式 + 含失败数据"。 ≈ 打比方：机器人数据集界的"专业选品站"——货还是放在 HuggingFace / Zenodo / 各校服务器上，它只做那张带参数对比表的货架。 🎬 站点：datasets.bot（首页是 JS 应用，需浏览器打开；数据走 /api/*）

🧰 对我们（可用性速判）¶

对我们的用处：中等偏低，但有一个高价值副产品。
① 当选题线索源：57 条里我们已收录 ~10 条（卡片-Open-X-Embodiment、卡片-DROID、卡片-BridgeData-V2、卡片-RH20T、卡片-AgiBot-World、卡片-RoboMIND、卡片-ALOHA、卡片-FTP-1、基准-CALVIN 等），新增线索只有 2 条（见下"对主线的净增量"）。偶尔扫一眼可以，不值得当依赖。
② 它的字段设计值得抄：我们 5-数据-采集/ 的数据集卡目前没有固定的"格式 / 是否含失败数据 / 采集方式"三栏，这三个恰恰是选数据时最先要问的。
③ 最大价值其实是它的 facet 计数本身——它无意中给出了一份"开放机器人数据里触觉有多稀缺"的横截面统计，见下。
真实性(前期)：全部数字由我们直接调其 API 取回，不是转述其宣传；条目内容抽查（FTP-1 / RH20T / CALVIN / DROID）与我们库内已核事实一致，没发现编造。→ 站点质量可信。
成本：零。开箱即用，无需注册（投稿才需 GitHub 登录）。
可用性结论：直接可用（作线索源/字段参考）——一个做得不错的小工具，不是要复现的对象，也不构成我们的数据来源。

它到底做了什么（一分钟看懂）¶

每条数据集给一张卡：手写摘要 + 长描述（带轨迹数/帧数/Hz/GB/相机配置这类硬数字）、license、论文/主页/代码/下载链接、样例图。
三个真正省事的字段：BibTeX 引用（50/57 条有）、一行下载命令（42/57 条有，如 gsutil -m cp -r gs://gresearch/robotics/droid_100 …）、"哪些论文用了它"反查（36/57 条有，另有独立 /papers 页）。
可筛选的具身专属分面：运动形态、视角、真机/仿真、本体型号、模态、采集方式、成败标注、数据格式、场景。
社区投稿：GitHub 登录提交 → 管理员审核后公开。

关键数字（2026-07-27 实测其 API，全部 ✅已核）¶

规模：57 个数据集，累计 39,535 小时——但只有 40/57 填了时长，总小时数是个下限。[1]
年份跨度 2017–2026：2026 年 15 条、2023 与 2024 各 10 条 → 重心在近三年，且今年在持续更新（最新一条 release 日期 2026-07-05）。[1]
真机 40 / 纯仿真 8 / 两者皆有 9；机械臂 28 / 移动 13 / 移动操作 11；来自实验室 40 / 公司 15 / 社区 2。[1]
数据格式：Custom 28 / LeRobot 17 / HDF5 11 / RLDS 9 / ROS bag 7 / Zarr 1。→ "自定义格式"仍是最大一档，格式统一远未完成。[1]
托管极度分散：下载链接指向 HuggingFace 仅 23/57，其余散在 GitHub(8)、Google Drive(3)、TFDS/GCS(3)、Zenodo、ModelScope、CMU Box、Apple CDN、data.bris.ac.uk 及各项目自建站。[1]

⭐ 副产品：一份"触觉在开放数据里有多稀缺"的横截面¶

这是本卡最该记的一条。57 个主流开放机器人数据集的模态覆盖（✅实测 facet 计数）[1]： - RGB 51 · 本体感知 43 · 语言 32 · 末端位姿 27 · 深度 19 · 分割 10 · 点云 9 - 力/力矩 6 · 触觉 6 · 音频 5 · 事件相机 1 - 带触觉的那 6 个是：LESS · FTP-1 · AgiBot World 2026 · Humanoid Everyday · RH20T · CALVIN（其中 CALVIN 是仿真触觉图像，RH20T 仅其 Cfg7 一种配置带指尖触觉）。 - 另一条同样刺眼的：成败标注里 "含失败数据"只有 2/57，"仅成功"20 条。 - 怎么用这条：这是一个独立于我们自身立场的第三方横截面，可用来支撑"触觉数据供给侧仍是空白"的判断——约九成开放数据是纯视觉+本体的成功轨迹。⚠️ 但口径必须说清：这是某个人工策展的 57 条清单，不是全网普查，不能说成"全球开放数据集中只有 10% 带触觉"。

🧬 为什么它不是"又一个 HuggingFace"（常见误解）¶

它和 HF 不是竞品——23/57 的下载链接本来就指向 HF，它是 HF 之上的一层索引。两个结构性理由： 1. HF 没有具身专用 schema。HF 的元数据是 NLP/CV 血统（task tag、下载量），没有"本体型号 / 采集方式 / 成败标注 / 动作空间 / 相机数 / 触觉有无"这些字段，因此在 HF 上根本问不出"真机+双臂+带触觉+含失败数据+LeRobot"这种组合查询。把这些做成 facet，就是它全部的价值主张。 2. 34/57 根本不在 HF 上（见上"托管极度分散"）。机器人数据集托管碎片化严重，HF 搜索在结构上覆盖不到 Zenodo/ModelScope/自建站那一半。

⚠️ 局限（别高估）¶

规模小且有偏：57 条 vs HF 上成千上万个 LeRobot 数据集。且 13/57 的来源是 CMU AirLab（TartanAir / TartanDrive / TartanAviation / SubT-MRS / ALFA / TrajAir / WIT-UAS 等），另有大量无人机与越野驾驶数据集——🔶推断：这是 CMU AirLab 圈子里的人做的项目，清单反映其个人视野，不是中立全集。
无署名、无机构背书：站点没有 about 页，whois 无信息，Cloudflare 托管。可持续性未知——个人副业站随时可能停更，别把它写进任何依赖链。
触觉深度不如本库：触觉相关仅 6 条，其中 4 条我们已有更深的卡（含详读-FTP-1 级别的全文精读）。
时长/规模字段填充不全（40/57），跨条目数字口径不统一，不可直接横向比较。

📥 对主线的净增量（查库比对后）¶

57 条里对触觉×VLA 主线真正的新线索只有 2 条（1 条已下卡，1 条待核）： - LESS（Technion）：机器人对软体乳腺仿体做触觉"触诊"，~800 小时，配 MRI 体积真值，靠摸重建物体内部结构。→ ✅ 已读全文下卡：卡片-LESS-触觉成像。 - ⚠️ 核证时逮到本站两处不实，值得记为它的可信度样本：① 它标 "RSS 2026"——无据（arXiv 无 comment/journal_ref 字段，全文里 "Robotics: Science and Systems" 只出现在参考文献中）；② 它写数据 "3 个 Zenodo 记录、约 66 GB"——实为 5 个记录、78.21 GB（漏了仿真包和一个 9.87 GB 的 poke 包）。 - Humanoid Everyday（USC）：Unitree G1/H1 真机遥操，10.3k 轨迹 / 260 任务，含 tactile + LiDAR，LeRobot v2.0 格式。arXiv 2510.08807｜🟡 仅读其站内介绍，下卡前需读全文核证。

💡 我的批注 / 判断（判断来源：🤖Claude，待🧑复核）¶

它的定位是对的，但赌注下得很小。"给具身数据建带专业字段的索引层"是个真需求——数据格式和托管都还没收敛（Custom 28 条、34 条不在 HF），这个空档确实存在。但 57 条的体量说明它目前是一个人的周末项目，而不是一个基础设施。当线索源用，别当权威用。
对我们最实的一条不是网站，是它顺手给出的那份模态统计：51 个有 RGB、6 个有触觉、2 个含失败数据。这比任何一句"触觉数据稀缺"的定性表述都更有说服力，而且是第三方数据。用的时候务必带上口径限定（57 条策展清单，非全网普查）。
该抄的一点：把 格式 / 是否含失败数据 / 采集方式 三栏补进我们数据集卡的固定字段——选数据时这三个问题最先被问到，我们现在得翻正文才能答。

来源编号¶

[1] 站点公开 API 实测（2026-07-27）：/api/stats（57 条 / 39,535 h / hours_known=40）、/api/datasets?limit=200（全量条目，逐条统计模态·格式·托管域名·来源机构）、/api/filters（全部 facet 计数）。所有数字为我们自行统计所得，非引用其宣传口径；站点本身：datasets.bot。