分享：学习机器人技术的10个开源数据集

demi 在周五, 10/25/2019 - 09:39 提交

如今，研究人员正在努力对机器人实施人类层面的理解。例如，了解周围环境，手部运动，检测和抓取物体等等。

在本文中，我们列出了10个可用于以高级方式学习机器人的开源数据集。

1、机器人手臂推数据集

机器人手臂推动数据集包含大约59,000个机器人推动动作的示例，其中包括一个训练集和两个测试集。第一个测试集使用了训练期间推送的两个不同的对象子集。第二个测试集涉及两个对象子集。该数据集的一个关键应用是在用于基于视觉的机器人控制任务中的决策的学习模型中实现它。

2、机器人手臂抓取数据集

机器人手臂抓取数据集包含大约650,000个机器人抓取尝试的示例。该数据集主要用于训练大型卷积神经网络（CNN），以预测抓取器的任务空间运动将导致成功抓取的概率。

3、日常交互操作数据集

日常交互操作的数据集中在日常任务中操作对象的位置、方向、力和扭矩。它是为完成特定任务而操作的工具/对象的三维位置和方向（po）、力和扭矩（ft）数据的集合。它包括1603个32种日常运动的试验和1596个单独浇注的试验以及帮助程序代码。

4、福冈地区分类数据集

福冈地区分类数据集是一个多模式三维数据集的集合。它包含几个数据集，用于使用全局信息进行位置分类，而无需对象分割。它还可以用于其他基于分割的方法，并且可以通过附加注释进行扩展。这些数据集包括在日本福冈市不同地点获得的室内和室外场景。

5、MultiDrone公共数据集

空中机器人可以用于许多机器人任务，例如监视、监视、拍摄等。多无人机的公共数据集是使用预先存在的视听材料和新拍摄的无人机镜头收集的。它包括超过10小时的无人机镜头，描绘足球，划船和自行车（dw）。为了便于科学研究，在自行车、足球运动员、人群等的视觉检测和跟踪任务中，对该数据集的很大一部分进行了注释。

6、具有多层次传感器的复杂城市数据集来自高度多样化的城市环境

具有多层次传感器的复杂城市数据集来自高度多样化的城市环境，可捕捉各种复杂的城市特征，解决复杂城市区域的主要问题，如不可靠和零星的全球定位系统（GPS）数据，多车道道路，复杂建筑结构，以及丰富的高动态物体。在该数据集中，提供了典型的LiDAR传感器数据2D和3D LiDAR。

7、人机协同操作的自然语言指令

用于人机协作操作的自然语言指令是用于操纵场景中的对象参考的自然语言指令的数据集。它包含1582份个人书面说明，这些说明是通过在线众包收集的。该数据集对于从事自然语言处理，人机交互和机器人操作的研究人员特别有用。

8、Yale-CMU-Berkeley数据集用于机器人操作研究

用于机器人操纵研究的Yale-CMU-Berkeley数据集是来自Yale-CMU-Berkeley对象集的现实对象的图像和模型数据集，该对象集专门用于操纵研究中的基准测试。该数据集包括600个高分辨率RGB图像，600个RGB-D图像和5组纹理化三维几何模型。

9、家庭机器人数据集

Robot-at-home是用于家庭环境的语义映射的机器人数据集。它是来自家庭环境的原始和处理过的传感数据的集合，通过对象或房间的分类用于语义映射算法。该数据集包含87,000多个带时间戳的观测值，这些观测值由一个移动机器人收集，该机器人拥有四台RGB-D摄像机和一台2D激光扫描仪。

10、机器人3D扫描存储库

机器人3D扫描存储库是机器人社区的标准3D数据集，机器人运行的日志文件和机器人实验的3D点云的数据存储库。人们可以很容易地使用这些数据来开发SLAM或解释算法。

转自：新机器视觉

ChatGPT令人失望的10大缺陷：探索聊天机器人的局限性	机器人自主定位导航必解决这3个问题	2020，改变世界的12大领域
第四届机器人开发大赛秋季赛火热来袭！	到2028年，人工智能聊天机器人市场将达到150亿美元	2019八大机器人（bots）自动化攻击趋势预测

最新文章