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。

APAC Egocentric Stereo → FiftyOne 是 humyn-labs/APAC-Egocentric-Stereo-Labeled 的带标注双目版本转换结果，采用原生多模态 MCAP episode 形式。数据来自 12 名佩戴头戴式双目设备的人在工作中被拍摄，覆盖工业、酒店餐饮、物流和零售等环境，包括汽车修理厂、建筑工地、电子工厂、餐厅、厨房、酒吧、货运中心、洗衣店、商场、服装店和书店。

数据集包含 12 个 episode、共 12.0 分钟、30 fps。每个 episode 提供双目校正视频、深度渲染、手和头部跟踪渲染，以及按时间段标注的动作动词、对象和完整 caption；全量包含 248 个带 caption 的片段和 62 个不同动词。双目视频为 3840x1080 side-by-side，每眼 1920x1080；深度图和手部跟踪流为 1920x1080。

需要注意，深度流是伪彩色 8-bit H.264 渲染，像素值只是 colormap，不包含逐像素距离；手和头部跟踪也是绘制在相机画面上的 overlay，不是关节点坐标流。该转换版使用 FiftyOne MCAP flavor，并将动作片段编码为消息流；源数据和转换版均为 CC BY 4.0 许可。

资料出处 Hugging Face datasets Voxel51/APAC-Egocentric-Stereo

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。

演示轨迹数 (Episodes): 12
Hub 下载量: 1.6k; 出处Hugging Face
Hub 点赞: 5; 出处Hugging Face

采集方式: 人类视频
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

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 Voxel51/APAC-Egocentric-Stereo --repo-type dataset --local-dir ./data/voxel51-apac-egocentric-stereo

# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("Voxel51/APAC-Egocentric-Stereo")
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。

Hugging Face

来源

本页事实对应的公开页面，以原文为准。

Hugging Face datasets Voxel51/APAC-Egocentric-Stereo访问 2026-10-21

APAC-Egocentric-Stereo ​

概述

关键规格与模态

数据下载与加载代码

关联采集机型与策略模型

来源

APAC-Egocentric-Stereo