Croissant 元数据

内容

Croissant 是 MLCommons 的数据集元数据格式，基于 JSON-LD 与 Schema.org，1.0 版于 2024-03-06 发布；扩展 Croissant-RAI（arXiv 2407.16883，2024-06）覆盖数据生命周期、标注与公平性等负责任 AI 属性，配有 Python 库与可视化编辑器 [1][2]。目的是让数据集可被 ML 工具直接加载并带有可机读的来源与许可描述。

在机器人领域的现状

检索中未查到 RLDS 格式 或 LeRobotDataset v3 格式 到 Croissant 的机器人专用映射，应写成"通用标准，机器人领域尚无采用证据"。机器人数据集的 license、采集设备、本体等信息仍分散在 HF 卡片与论文里，口径常不一致（如 OXE 小时数、DROID 任务数 86/84）。

相关质量工具

同层面的工具有 Calibra（30 个公共 LeRobot 数据集的健康分基准）与 Trajlens（审计 100 个随机 Hub 数据集：19 通过、13 失败、47 加载错误、21 超时），均来自 HF 论坛社区帖。见 开源数据集与数据格式。

来源

1. https://arxiv.org/abs/2407.16883 (2026-10-14)
2. https://research.google/blog/croissant-a-metadata-format-for-ml-ready-datasets/ (2026-10-14)