Ein praktischer Vergleich.
| Quelle | Forschungsschwerpunkte | Was zu überprüfen ist |
|---|---|---|
| Ego4D | Breite First-Person-Tagesaktivitäten und Benchmark-Aufgaben. | Relevante Szenarien, verfügbare Modalitäten und Referenzwert-Anmerkungen. |
| EPIC-KÜCHEN | First-Person-Aktivität in Heimküchen. | Aktionssegmente, Objektvokabular und Splitdefinitionen. |
| Ego-Exo4D | Geschickte Aktivitäten mit egozentrischen und externen Ansichten. | Welche Ansichten und Anmerkungen für die ausgewählte Aktivität vorhanden sind. |
| DROID | Robotermanipulationsvorführungen. | Kameraansichten, Zustand, Aktionen und Kalibrierung. |
| Offene X-Verkörperung | Roboterdemonstrationen in mehreren Ausführungsformen. | Quelldatensatz, Roboter, Aktionsdarstellung und Lizenz. |
| Wake-Datensammlung | Arbeitsplatzaufzeichnungen umfassten die Aufgabe eines Käufers. | Machbarkeit, Berechtigungen, Episodenspezifikation und Annotationsanforderungen. |
Menschliche Tätigkeit: Ego4D, EPIC-KITCHENS und Ego-Exo4D.
Beginnen Sie mit Ego4D für vielfältige First-Person-Aktivitäten, EPIC-KITCHENS für Küchenaktionen und Ego-Exo4D für gepaarte First-Person-und Außenansichten. Überprüfen sie die annotationen jeder freigabe gegen ihre frage.
DROID-Datensatz: aufgezeichnete Robotermanipulation.
DROID bietet Robotermanipulationsbahnen, einschließlich Kamerabeobachtungen und -aktionen. Überprüfen Sie die Einrichtung, Kalibrierung und Aufgabenabdeckung des Roboters, bevor Sie ihn zum Trainieren einer Richtlinie verwenden.
Open X-Embodiment: Lernen über Roboter hinweg.
Open X-Embodiment vereint Datensätze verschiedener Roboter. Überprüfen Sie die Beobachtungs-und Aktionskonventionen jeder Quelle, die verfügbaren Felder und Begriffe. Ein gemeinsamer Container macht die Aktionen jedes Roboters nicht gleichwertig.
Wenn ein vorhandener Datensatz ausreicht.
Beginnen Sie mit einem vorhandenen Release, wenn es die relevanten Beobachtungen und Labels enthält und eine entsprechende Bewertung bietet. Es kann zeigen, ob die Modellierungsidee weitere Arbeit wert ist, bevor ein Team eine neue Sammlung definiert.
Wann neue Daten erfasst werden sollen.
Eine neue Sammlung wird nützlich, wenn eine konkrete Lücke verbleibt: ein bestimmtes Werkzeug, ein fehlender Workflow, längere Aufgabenkontinuität, ein erforderlicher Fehlermodus oder eine Bewertungseinstellung, die im Release fehlt. Definieren Sie diese Lücke in beobachtbaren Begriffen.
Häufige Fragen
Bedeuten offene egozentrische Daten uneingeschränkte Nutzung?
Nein. Öffentliche Verfügbarkeit und Erlaubnis für eine bestimmte Nutzung sind separate Fragen. Lesen Sie die aktuellen Bedingungen für die genaue Datensatzfreigabe und die Arbeit, die Sie ausführen möchten.
Welcher egozentrische Datensatz eignet sich am besten für Robotik?
Es gibt keine einzige beste Wahl für alle Roboter-Lernen. Wählen Sie nach Aufgabe, Standpunkt, Anmerkungen, gemessenen Signalen und Bewertungsdesign. Einige Ziele erfordern Roboter-Aktionsdaten, die menschliche Videos nicht enthalten.
Wann sollte ich neue Daten sammeln?
Sammeln Sie neue Daten, wenn Sie eine relevante Lücke in bestehenden Releases benennen können, z. B. eine Umgebung, ein Objekt, einen Workflow oder ein Signal, das für Ihr Experiment benötigt wird.
Sind DROID und Open X-Embodiment egozentrische menschliche Datensätze?
Nein. Sie liefern Roboter-Demonstrationsdaten. Vergleichen Sie sie mit menschlichen Videos, wenn Sie entscheiden, ob Ihr Projekt beobachtete menschliche Aktivitäten oder aufgezeichnete Roboteraktionen benötigt.
Quellen und weiterführende Literatur
Primärquellen geprüft am 26. Oktober 2026.