该数据集由 Psi-Robot 团队于 2025 年创建，其研究背景源于灵巧抓取在杂乱场景下的高成功率需求，特别是在未见过的物体、光照及背景组合下实现超过 90% 的成功率，相关论文成果为「DexGraspVLA: A Vision-Language-Action Framework Towards General Dexterous Grasping」。此框架采用预训练的视觉-语言模型作为高层任务规划器，并学习基于扩散的策略作为低层行动控制器，其创新之处在于利用基础模型实现强大的泛化能力，并使用基于扩散的模仿学习获取灵巧行动。

这是一个包含 51 个人类演示数据样本的小型数据集，用于了解数据和格式，以及运行代码体验训练过程。