# TIC-VLA

> 权威词条地址：https://robotics.hellobike.com/datasets/handsomeyun-tic-vla
> 所属分类：datasets | 最近核验日期：2026-07-09 | 技术层级：L6

## 核心摘要

handsomeYun 在 Hugging Face 发布的机器人数据集。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L6"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/datasets/handsomeYun/TIC-VLA"}] |
| `updated` | 2026-07-09 |
| `modalities` | ["视频", "图像", "状态观测"] |
| `annotation_levels` | ["动作轨迹", "状态观测"] |
| `formats` | ["Parquet"] |
| `license` | cc-by-4.0 |
| `collection` | teleop |
| `hub_id` | handsomeYun/TIC-VLA |
| `hub_stats` | {"downloads": 4371, "likes": 9, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/datasets/handsomeYun/TIC-VLA"] |

## 技术详解与生态说明

TIC-VLA 是用于动态环境中机器人导航的、大规模带推理标注的数据集，面向训练和评估能够联合理解视觉观测、语言指令与时间上下文并预测导航动作的模型。数据来自 SCAND、GND 和 DynaNav 三个机器人导航数据源，其中 DynaNav 是 TIC-VLA 项目中新引入并由作者采集和标注的数据集。

数据内容包括机器人轨迹、RGB 图像序列、同步机器人动作、20 秒分段导航 episode、语言导航指令以及 Chain-of-Thought 推理标注。每个 benchmark 包含 *_data 原始连续轨迹和 *_json 分段标注；原始数据中 rgb/ 存放图像，sync.csv 存放与每帧图像对应的时间戳、机器人状态和控制动作。

每个 frame JSON 对应一个预测时刻，引用相对路径中的 RGB 图像、instruction_*.txt 和 cot_*.txt，避免重复存储图像和长文本。history 字段包含当前 20 秒 episode 起点到当前时刻的历史观测，并以 0.1 秒间隔采样；future 字段提供相对当前自车坐标系的未来轨迹监督。仓库还提供基于完整 TIC-VLA 数据集训练的 TIC-VLA-model.ckpt。

## 原始核验来源 (Sources)

- [Hugging Face datasets handsomeYun/TIC-VLA](https://huggingface.co/datasets/handsomeYun/TIC-VLA)