据该技术博客介绍，RoboNet 包含 1500 万个视频帧，这些视频帧是由在桌面环境中与不同对象进行交互的不同机器人收集的。 每帧都包含机器人相机记录的图像，手臂姿势，力传感器读数以及抓取器状态。 两次试验之间的采集环境（包括摄像机视图，桌子或垃圾箱的外观以及机器人前面的对象）会有所不同。 由于收集是完全自主的，博客也由此通过更多示例和数据统计信息说明RoboNet的收集及使用情况。