人类动手处理材料时,视线怎么转、手怎样进入画面,往往是固定机位看不到的。首批资料来自 12227 名参与者,在各自的工作或生活场所,用头戴手机记录未经编排的操作。83% 的时长来自工作场景。
视频以 1080p 记录,搭配 100 Hz 惯性传感数据和机器生成的动作标注。项目名称里的十万小时是后续目标,当前版本的已发布时长可在论文的数据说明中核对。数据种类更丰富能否提高某台机器人的表现,还需要下游测试。
数据说明第二幅图另列了双手是否出现。按模型估计,至少一只手在采样帧中可见的比例为 94.7%,双手都可见则是 76.3%。这两个分母是采样画面,和“多少小时在工作场所”属于不同统计。对于依赖双手配合的下游任务,这个区别会影响选片。
