BC-Z 数据集是一个由谷歌、 Everyday Robots 、加州大学伯克利分校和斯坦福大学于 2022 年共同开发的大规模机器人学习数据集，旨在推动机器人模仿学习领域的发展。相关论文成果为「BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning」。该数据集的核心贡献在于它支持零样本 (zero-shot) 任务泛化，即让机器人能够在没有先前经验的情况下，通过模仿学习来执行新的操作任务。

BC-Z 数据集包含了超过 25,877 个不同的操作任务场景，涵盖了 100 种多样化的操作任务。这些任务通过专家级的远程操作和共享自主过程来收集，涉及 12 个机器人和 7 名不同的操作员，累计了 125 小时的机器人操作时间。数据集支持训练一个 7 自由度的多任务策略，该策略可以根据任务的语言描述或人类操作视频来调整，以执行特定的操作任务。