具身智能数据集
办公文档处理数据集
8,000+ episodes · 文档 OCR · 盖章扫描分类归档 · 办公自动化数字员工
episodes8,000+
发票/合同/报销单/审批表等12 类文档
合规检测标注印章/签名
打印/盖章/扫描/分类/归档5 步流程
无真实敏感信息脱敏处理
8,000+ episodes · 文档 OCR · 盖章扫描分类归档 · 办公自动化数字员工
| 数据集名称 | 办公文档处理数据集 |
| 数据总量 | 8,000+ episodes |
| 数据类型 | RGB-D 视频、文档 OCR、印章/签名检测、审批状态、流程步骤 |
| 视频规格 | 1920×1080 @ 30 FPS |
| 交付格式 | LeRobot 3.0 / RLDS / HDF5 / JSON 元数据 |
| 授权方式 | 授权数据或项目定制 |
每份数据包含完整的结构化字段，覆盖从基础元数据到专业分析的全部需求。
| 字段类别 | 典型字段 |
|---|---|
| 办公操作视频 | RGB-D 视频、桌面视角、文档类型、操作人角色、办公场景、光照条件 |
| 文档 OCR 内容 | 文字内容、印章位置、签名检测、表格结构、票据字段、版式类型、关键信息抽取 |
| 流程步骤标注 | 打印、盖章、扫描、分类、归档、审批流转等步骤时间戳与结果、异常中断标记 |
| 审批与状态 | 审批节点、通过/驳回标记、异常原因、处理时长、系统截图、流转记录 |
| 元数据与合规 | 部门编码、文档编号、授权范围、数据合成/脱敏标识、合规等级 |
以下为脱敏后的结构化 JSON 样例，展示典型数据格式。
{
"episode_id": "OFF-2026-0018922",
"office": "finance_dept",
"doc_type": "invoice",
"video": {"rgb": "rgb_0018922.mp4", "depth": "depth_0018922.mkv", "fps": 30},
"ocr": {
"text": "示例科技有限公司 金额：¥12,500.00",
"stamp_boxes": [[120,80,220,140]], "signature": true, "table_cells": [...]
},
"steps": [
{"time": 3.2, "action": "print", "status": "done"},
{"time": 8.5, "action": "stamp", "status": "done"},
{"time": 15.1, "action": "scan", "status": "done"},
{"time": 22.4, "action": "archive", "status": "done"}
],
"approval": {"node": "manager", "result": "approved", "comment": "同意报销"}
}训练 RPA+视觉模型完成打印、盖章、扫描、归档等重复办公任务。
OCR 与版面分析数据训练发票、合同、表单等文档理解模型。
视觉数据训练印章真伪、签名存在性检测与合规审核模型。
步骤与状态数据训练流程异常检测与优化建议模型。
归档动作与位置数据训练实体文件自动分类与检索系统。
视频、OCR、状态数据训练能理解办公场景的 AI 助手。
长沙朗慧信息科技有限公司 DataAssetsAPI 平台，致力于为 AI 企业、科研机构提供高质量、合规的数据资产。支持按维度、按数量规模灵活组合。
数据样本预览 · 定制化数据方案 · 专业技术支持