外观
Skip to content
概述
这套数据集的采集方式、多模态结构、存储格式与适用任务。
Yonder 是面向室内导航的无人机视角合成数据集，来自 HSSD 室内 3D 场景渲染，包含 167 个带语义标注的环境、4,650,324 帧和 387,527 个 waypoint NPZ；每个 waypoint 含单个无人机位姿的 12 个 yaw 方向。每个 NPZ 覆盖 52 组传感器数组，包括双目 RGB、前向深度、向下着陆相机、上下 IR、360° LiDAR、语义分割、位姿和 IMU。
数据可用于训练无人机视角感知模型，如开放词汇检测、单目深度和语义分割，并支持研究跨模拟器泛化。仓库还提供 60 个 Isaac 渲染的室内场景及标注，用于闭环导航评估；发布时没有预定义 train/val/test 划分。数据集许可为 CC-BY-NC-4.0，不支持商业用途；不提供用于行为克隆的专家轨迹，真实部署需另做真实域验证。
关键规格与模态
数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。
- 采集方式
- 仿真
- 开源协议
- cc-by-nc-4.0
- 传感器模态
- 文本
- 标注粒度
- 语言标注
- 存储格式
- Parquet
暂未公开或待收录：总时长 · 演示轨迹数 (Episodes)
数据下载与加载代码
通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。
# 使用 Hugging Face CLI 下载数据集
huggingface-cli download astralhf/yonder --repo-type dataset --local-dir ./data/astralhf-yonder
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("astralhf/yonder")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")关联采集机型与策略模型
采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。
尚未收录关联机型或引用它的模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face datasets astralhf/yonder访问 2026-10-21