LA-33K 是面向机器人操作的 Language-Action 预训练数据集，来源于 LeRobot 格式的 DROID 数据集 cadene/droid_1.0.1。它包含 33,116 个短的原子操作片段、1,524,990 帧和 9,532 个语言任务，机器人为 Franka，数据采用 LeRobot v2.1 风格组织，划分为 train，帧率为 15 FPS。

每个 episode 将低层、与视觉无关的语言指令，与本体状态和动作轨迹对齐；字段包括关节状态、末端位姿、夹爪状态、笛卡尔/关节动作、时间戳和任务索引等。数据也包含每个 episode 的 3 路视频流，用于检查和 LeRobot 工具兼容；在 LA4VLA 的 LA 预训练设置中会遮蔽视觉输入，从语言、状态和动作学习。

构建流程从已有 DROID 演示中提取静止区间和夹爪转换等时序线索，使用原子动作词表、Qwen-3-VL-Plus 生成候选分段与指令，并经过人工验证。数据可通过 Git LFS 或 huggingface_hub 下载，并可配合 MINT-SJTU/LA4VLA 使用；许可为 MIT。其局限包括继承源数据覆盖与环境偏差，指令仍可能有边界或措辞噪声，短片段本身不构成长时程任务计划。