外观
Skip to content
数据集OpenDriveLabSparseVideoNav
数据集档案汇总规模、格式、关联机型与模型
SparseVideoNav
OpenDriveLab 在 Hugging Face 发布的机器人数据集，规模 10K<n<100K。
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。
SparseVideoNav 数据集面向真实世界视觉-语言导航研究，包含随 OpenDriveLab/SparseVideoNav 发布的 BVN（Beyond-the-View Navigation）和 IFN（Instruction-Following Navigation）两个子集。数据由语言导航指令、RGB 帧序列和低层导航动作组成，每个已发布 episode 中动作数量与 RGB 帧数量一致。
当前开源的是 SparseVideoNav 使用的处理后 IFN 与 BVN 子集，共 11,693 个 episodes、1,753,054 帧，按 4 fps 计算约 121.74 小时；完整数据约 140 小时，但受区域政策限制未全部开源。BVN 为 5,433 个 episodes、57.35 小时，IFN 为 6,260 个 episodes、64.39 小时。
图像以压缩 tar shards 存储，每行 JSONL 为 episode 级记录，字段包括指令、任务类型、划分、图像目录、帧数、动作数以及逐帧 dx、dy、dyaw 动作。可用 Hugging Face Datasets 加载元数据，数据采用 CC BY-NC-SA 4.0 许可；episode 视频 MP4 暂时不可用，frames 发布仍可用。
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。
- 总时长
- 121.74h
- 演示轨迹数 (Episodes)
- 11693
- 采集方式
- 遥操作
- 开源协议
- cc-by-nc-sa-4.0
- 传感器模态
- 表格文本视频
- 标注粒度
- 语言标注
- 存储格式
- json
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 OpenDriveLab/SparseVideoNav --repo-type dataset --local-dir ./data/opendrivelab-sparsevideonav
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("OpenDriveLab/SparseVideoNav")
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 OpenDriveLab/SparseVideoNav访问 2026-10-21