# video_to_data_challenge

> 权威词条地址：https://robotics.hellobike.com/datasets/nvidia-video-to-data-challenge
> 所属分类：datasets | 最近核验日期：2026-09-22 | 技术层级：L6

## 核心摘要

nvidia 在 Hugging Face 发布的机器人数据集，规模 n<1K。

## 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/nvidia/video_to_data_challenge"}] |
| `updated` | 2026-09-22 |
| `modalities` | ["三维", "视频"] |
| `annotation_levels` | ["三维标注"] |
| `formats` | ["Parquet"] |
| `license` | cc-by-4.0 |
| `collection` | human_video |
| `hub_id` | nvidia/video_to_data_challenge |
| `hub_stats` | {"downloads": 6503, "likes": 27, "as_of": "2026-10-27"} |
| `overview_sources` | ["https://huggingface.co/datasets/nvidia/video_to_data_challenge"] |

## 技术详解与生态说明

Video to Data（V2D）Challenge Dataset 是 NVIDIA 开发的基准数据集，用于研究从人类示范视频到具备物理依据的机器人行为的完整路径。它围绕共享的操作任务设置三个关联赛道：4D 人-物交互重建、机器人 grounding，以及端到端第一视角迁移。

重建赛道以单目第三人称 RGB 视频为输入，恢复人体、手、物体位姿轨迹、物体几何与尺度，并按重建精度和物理合理性评估。机器人 grounding 赛道提供干净多视角捕捉、合成扰动和现有重建方法输出三个输入层级，用于重定向示范并学习可执行策略。第一视角赛道从人类 egocentric 视频生成机器人策略，可使用显式重建与重定向或端到端方法；发布资产可能包含第一视角视频、动捕轨迹、序列元数据、带纹理 3D 物体网格和 URDF 描述。

## 原始核验来源 (Sources)

- [Hugging Face datasets nvidia/video_to_data_challenge](https://huggingface.co/datasets/nvidia/video_to_data_challenge)