人形机器人的“小脑”运控能力，正从单一技能走向泛化训练。高质量、多类别的动作数据，是支撑这一跨越的核心基础。

依托OpenLET社区，乐聚联合青瞳视觉正式发布LET-HumanMotion-Roban2数据集。该数据集基于青瞳 MotionDecode 高精度人体动捕数据，经重定向、动作精修与格式适配，形成面向鲁班2的机器人动作轨迹，并配套数据转换与训练工具链，支持动作学习、运动策略训练及机器人开发。
借助这套高质量小脑数据与代码工具链，开发者可积累并复用实验经验，逐步开展实机开发。

01

数据亮点：
800+动作类别与数万条动作数据

本次发布的数据集基于面向泛化训练的人体数据，通过 OpenLET社区向开发者开源专业动捕资源，大幅降低研发团队的数据采集投入。

数据集覆盖【800+动作类别与数万条动作数据】，为人形机器人小脑泛化训练提供高质量数据样本。

除行走、跑跳、起身等基础动作，还进一步列出了速度切换、方向转换、负重行走、姿态约束等变化，能够为不同小脑运控任务提供数据参考。

02

数据格式：
高质量重定向交付，开箱即用

人体动捕数据无法直接用于机器人训练，骨骼结构、关节自由度、动力学特性的差异，使得数据重定向成为必经环节，也是耗时耗力的工程难点。

LET-HumanMotion-Roban2 数据集已完成全量动作的专业重定向、动作精修与格式适配，直接输出适配鲁班2机器人的标准化轨迹数据。

03

数据工具链：
仅需四步，完成动作训练与部署

数据价值的落地，离不开配套工具体系的支撑。开发者可使用配套工具扩展动作、训练策略，打通「数据-训练-仿真-部署」的开发全流程。

（来源：乐聚机器人）