# D2E-480p

> 权威词条地址：https://robotics.hellobike.com/datasets/open-world-agents-d2e-480p
> 所属分类：datasets | 最近核验日期：2026-05-05 | 技术层级：L6

## 核心摘要

open-world-agents 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/open-world-agents/D2E-480p"}] |
| `updated` | 2026-05-05 |
| `hours` | 268.7 |
| `modalities` | ["视频"] |
| `annotation_levels` | ["动作轨迹", "状态观测"] |
| `formats` | ["Parquet"] |
| `license` | cc-by-nc-4.0 |
| `collection` | teleop |
| `hub_id` | open-world-agents/D2E-480p |
| `hub_stats` | {"downloads": 8193, "likes": 1, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/datasets/open-world-agents/D2E-480p"] |
| `fps` | 60 |

## 技术详解与生态说明

D2E-480p 是 D2E: Scaling Vision-Action Pretraining on Desktop Data for Transfer to Embodied AI 的数据集，包含来自 29 款 PC 游戏的 268.7 小时同步视频、音频和输入事件，覆盖 FPS、开放世界、沙盒等类型。它面向游戏智能体的视觉-动作轨迹训练，也可用于面向具身 AI 迁移的视觉-动作模型预训练，以及世界模型或视频生成训练。

数据以 480p、60fps 的 H.264 视频和游戏音频提供，输入事件包括键盘按下/释放与按键状态、鼠标点击、屏幕坐标、原始 HID 位移、按钮状态和活动窗口信息，均带纳秒时间戳并与视频帧同步。视频采用固定 0.5 秒关键帧间隔并禁用 B 帧，以支持高效随机访问。

格式为基于 MCAP 的 OWAMcap，每个游戏文件夹包含配对的 .mcap 与 .mkv；.mcap 存储指向视频帧的 MediaRef，调用 load_frame_array() 时按需从 .mkv 解码。可使用 mcap-owa-support、owa-msgs 和 huggingface_hub 读取，也提供 owa-data 将数据转换为可用于 PyTorch DataLoader 的 HuggingFace Datasets。

## 原始核验来源 (Sources)

- [Hugging Face datasets open-world-agents/D2E-480p](https://huggingface.co/datasets/open-world-agents/D2E-480p)