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。
TableVerse-100K 是一个面向桌面操作的 Real2Sim 数据集，由非结构化、真实互联网单帧图像自动构建。它用确定性的感知到物理流程替代传统概率式生成，并包含 Layout-Consistent Collision Rectification（LCCR），目标是生成物理一致、可用于仿真的数字孪生桌面场景。
数据集包含 100K 个独特桌面环境、近 1M 个不同物体实例，覆盖超过 35K 个语义类别；物体带有多维物理属性标注，并配套连续、无碰撞的专家操作轨迹。仓库结构包含 textures 与 scenes，每个场景下有 assets、textures、scene.glb、scene.xml、scene_with_plane.xml 和 relabel_name.json 等文件。
由于数据通过全自动端到端 Real-to-Sim 流水线生成，部分长尾场景中可能存在几何伪影或语义错配，使用时需要考虑这一限制。
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
- 遥操作
- 开源协议
- cc-by-4.0
- 传感器模态
- 视频图像状态观测
- 标注粒度
- 动作轨迹状态观测
- 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 ByteDance/TableVerse --repo-type dataset --local-dir ./data/bytedance-tableverse
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("ByteDance/TableVerse")
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 ByteDance/TableVerse访问 2026-10-21