具身智能相关数据-XR交互

主要数据内容包括：大规模第一人称视角（Egocentric Vision）视频数据真实厨房环境中的日常操作与交互视频头戴式摄像机采集的长时序动作视频数据包含动作标签、物体交互、手部操作与语音描述数据多步骤烹饪、物品拿取、切割、清洗等细粒度任务场景提供视频帧、动作分割、目标检测、分割掩码与3D场景数据覆盖多国家、多家庭、多样化生活操作场景支持的能力方向包括：第一人称视频理解（Egocentric Video Understanding）机器人操作与具身智能训练手物交互（Hand-Object Interaction）识别长流程任务理解与动作预测视频动作识别与行为预测训练Vision-Language-Action（VLA）模型训练多模态视频理解与时序推理3D 场景重建与视频分割训练适用于：具身智能模型研发机器人操作任务训练视频理解与行为分析研究多模态 AI 与 VLM/VLA 模型训练自动化任务规划与动作预测研究Benchmark 评测与算法验证仿真环境与真实场景联合训练