Синхронизированные данные с нескольких датчиков для физического ИИ
Синхронизированные видео, IMU, аудио, данные о взгляде и потоки с носимых устройств для объединения данных с датчиков и многомодального предварительного обучения физического ИИ. Настройте конфигурацию датчиков с помощью Shaip.
Спецификации набора данных
| Целевые команды покупателей | Руководитель направления мультимодального ИИ; Платформа данных для робототехники; Команда по слиянию данных с датчиков; Исследования в области воплощенного ИИ. |
| Типичные задачи | Повседневная деятельность, производственные процедуры, модели передвижения и многоэтапные рабочие процессы. |
| Захват / Режимы | RGB/RGB-D, IMU, аудио, отслеживание взгляда, отслеживание головы/рук/тела и опциональная биометрия. |
| Аннотации / Метаданные | Выравнивание по временным меткам, метки действий, ключевые этапы, метаданные устройства, метаданные субъекта и флаги качества. |
| Форматы доставки | MP4 + WAV + CSV/Parquet + метаданные калибровки и синхронизации по времени |
| Масштаб (иллюстративный)* | 1,000–8,000 синхронизированных часов |
| Участники / Операторы | 500–3,000 участников |
| Задачи / Сценарии | 50–200 видов деятельности |
| Объекты / Места / Виды | 4–7 потоков данных с датчиков |
| Рекомендуемый объем работ | 100–300 часов с 3–5 датчиками в рамках 10–25 видов деятельности. |
В программе физического искусственного интеллекта Шаипа использовался масштабируемый рабочий процесс отслеживания с помощью пяти датчиков.
Посмотреть соответствующий пример из практики →Где используется этот набор данных
Этот многомодальный набор данных об активности человека создан для команд, обучающих модели слияния данных с датчиков, системы распознавания активности и многомодальные основы физического ИИ. Робототехнические компании, производители носимых устройств и лаборатории воплощенного ИИ используют его в качестве набора данных об активности в формате RGB-D, набора данных для распознавания активности с помощью инерциальных измерительных блоков (IMU) и набора данных с носимых датчиков для кросс-модального предварительного обучения, оценки состояния человека и контекстно-зависимого восприятия. Если вы используете набор данных для слияния данных с датчиков или многомодальные робототехнические данные с синхронизированными видео, данными IMU, аудио, данными о взгляде и потоками с носимых устройств, этот набор данных предоставляет сигналы, выровненные по времени, готовые для обучения многомодальных моделей.
Связанные наборы данных по физическому ИИ
Запросите образец набора данных о человеческой активности, полученного с помощью нескольких датчиков.
Расскажите нам о роботе или системе физического искусственного интеллекта, которую вы разрабатываете, и мы ответим вам, предоставив примеры использования, технические характеристики и предложение, соответствующее вашей задаче.
* * обозначает обязательные поля