Une comparaison pratique.
| Source | L'accent mis sur la recherche | Quoi vérifier |
|---|---|---|
| Ego4D | Grandes activités quotidiennes de première personne et tâches de référence. | Scénarios pertinents, modalités disponibles et annotations de référence. |
| ÉPIC-KITCHENS | Activité de première personne dans les cuisines à la maison. | Segments d'action, vocabulaire objet et définitions fractionnées. |
| Ego-Exo4D | Activités qualifiées avec des vues égocentriques et externes. | Quelles vues et annotations existent pour l'activité sélectionnée. |
| COUVERTURE | Des démonstrations de manipulation de robots. | Vue de la caméra, état, actions et calibrage. |
| Ouvrir X-Embodiment | Démonstrations de robots à travers de multiples incarnations. | Ensemble de données source, robot, représentation d'action et licence. |
| Collection Wake | Des enregistrements sur le lieu de travail ont été réalisés autour d'une tâche d'acheteur. | Faisabilité, permissions, spécifications des épisodes et exigences en matière d'annotation. |
Activité humaine: Ego4D, EPIC-KITCHENS et Ego-Exo4D.
Commencez par Ego4D pour des activités variées de première personne, EPIC-KITCHENS pour des actions de cuisine, et Ego-Exo4DZ pour des vues appariées de première personne et externe. Vérifiez chaque version des annotations par rapport à votre question.
Ensemble de données DROID: manipulation robotisée enregistrée.
DROID fournit des trajectoires de manipulation de robots, y compris des observations et des actions de caméra. Inspectez la configuration, l'étalonnage et la couverture des tâches de son robot avant de l'utiliser pour former une politique.
Open X-Embodiment: apprentissage à travers les robots.
Open X-Embodiment rassemble des ensembles de données de différents robots. Cochez chaque source des conventions d'observation et d'action, champs et termes disponibles. Un conteneur commun ne rend pas chaque robot d'actions équivalentes.
Lorsqu'un ensemble de données existant est suffisant.
Commencez par une version existante lorsqu'elle contient les observations et les étiquettes pertinentes et offre une évaluation appropriée. Il peut révéler si l'idée de modélisation mérite d'être étudiée avant qu'une équipe ne définisse une nouvelle collection.
Quand appliquer de nouvelles données.
Une nouvelle collection devient utile lorsqu'il reste un vide concret : un outil particulier, un flux de travail manquant, une continuité des tâches plus longue, un mode d'échec requis ou un paramètre d'évaluation absent de la version. Définir cette lacune en termes observables.
Questions fréquentes
Les données égocentriques ouvertes signifient-elles une utilisation sans restriction?
C'est pas vrai. La disponibilité du public et l'autorisation d'un usage particulier sont des questions distinctes. Lisez les termes actuels pour la sortie exacte de l'ensemble de données et le travail que vous comptez faire.
Quel ensemble de données égocentrique est le meilleur pour la robotique ?
Il n'y a pas de meilleur choix pour tous les robots. Choisissez par tâche, point de vue, annotations, signaux mesurés et conception de l'évaluation. Certains objectifs exigent des données d'action robot que la vidéo humaine ne contient pas.
Quand dois-je recueillir de nouvelles données?
Recueillir de nouvelles données lorsque vous pouvez nommer une lacune pertinente dans les versions existantes, comme un environnement, un objet, un flux de travail ou un signal nécessaire à votre expérience.
Est-ce que DROID et Open X-Embodiment sont des ensembles de données humaines égocentriques ?
C'est pas vrai. Ils fournissent des données de démonstration de robots. Comparez-les avec la vidéo humaine pour déterminer si votre projet a besoin d'une activité humaine observée ou d'actions de robots enregistrées.
Sources et lectures complémentaires
Sources primaires vérifiées le 26 octobre 2026.