分享 2 个刚开源的数据集，一个是健身动作，一个是 CAD。

健身 App 动作素材

有开发者把 302 个常见健身动作整理成一套素材库，开源在 GitHub 上了。

每个动作都有 3 帧，共 906 张图。

而且，每个动作都带有结构化信息哦，比如动作名称、器械、主要肌群、次要肌群、动作类型和是否属于拉伸。

可以按关键词检索，也可以叠加器械、肌群等条件筛选。

arduino 复制代码

开源地址：https://github.com/bryllim/workout-guide

例如，下面几行代码就能查找俯卧撑，并生成素材的 CDN 地址：

bash 复制代码

npm install @bryllim/workout-guide

ini 复制代码

import { searchExercises, getAssetUrl } from '@bryllim/workout-guide';
const [pushUp] = searchExercises('push up');
const frame = getAssetUrl(pushUp.slug, 1);

CAD 开源数据集

让 AI Agent 操作 AutoCAD、SOLIDWORKS 这类专业软件，比读网页和填表格要复杂一些。

因为模型要学会完成一项 CAD 工作，通常需要同时看到屏幕变化、鼠标键盘操作、任务目标和最终成果。

只收集教学视频，往往很难还原完整的操作链路。

Markov 新发布了一个 CAD 数据集，这是一套面向这类训练任务的电脑操作数据集。

整套数据约 256 G，还挺大的。

一共这套数据共记录了 1020 个小时的工作过程，包含 597 条工作流，覆盖 10 款 CAD、BIM、结构分析与可视化软件。

现在下载量已经破 10 万了。

这个数据集中二维制图和机械设计占了大头，建筑建模、结构分析和渲染也有。

开发者可以按软件拆分训练集，也可以研究同一个 Agent 如何适应不同专业工具。

每个数据集都有配套文件。

包含 30 FPS 屏幕录像、带时间戳的鼠标键盘事件、逐帧对齐信息和自然语言操作说明。

牛逼的是，还附有任务描述、输入材料、完成后的工程文件与评分标准。

ruby 复制代码

项目地址：https://huggingface.co/datasets/markov-ai/cad-1000-hours