RoboGene 是面向 Vision-Language-Action 模型预训练的大规模机器人任务数据集，由 diversity-driven agentic framework 生成。框架在 RoboGene Agent Loop 中结合检索、生成与自反思，并使用 GPT-4o 等基础模型作为生成器，使任务指令具备语义多样性并在结构化环境中可物理执行。

数据集按场景组织，任务采用 LeRobot 格式，包含多视角 RGB 图像、前视与腕部视角、本体状态、高频关节或末端执行器控制序列，以及经验证的自然语言任务描述。场景覆盖 Kitchen、Laboratory、Medical、Office、Retail、Education、Industrial 和 Daily Life，技能从 pick-and-place 到多阶段装配和工具使用，并包含双臂操作轨迹。

实验用于 VLA 预训练、零/少样本适配和双臂协同研究；预训练模型在复杂下游任务中仅需 50 条人工示范即可快速适配，并在五个未见双臂任务上优于人工整理基线。许可为 Apache-2.0；限制包括高精度接触任务中的轻微 sim-to-real 差异，以及未覆盖高度专门或危险工业环境。