德克萨斯大学奥斯汀分校 发布 SocialNav-SUB 数据集, 应用在 社交机器人导航、视觉问答 领域

德克萨斯大学奥斯汀分校 本次发布的数据集 SocialNav-SUB, SocialNav-SUB是一个视觉问答（VQA）数据集和基准测试，旨在评估视觉语言模型（VLM）在现实世界中社交机器人导航场景下的场景理解能力。数据集包含4968个独特的问题及其对应的答案，这些答案由人类提供，作为真实标签。SocialNav-SUB基于SCAND数据集构建，提供了各种人群密度和社会导航交互的社会机器人导航场景，并具有丰富的对象中心视觉表示，包括机器人的视觉视角和包含行人坐标跟踪的鸟瞰图（BEV）。该数据集旨在解决社会机器人导航中的空间推理、时序推理和理解复杂人类意图等关键挑战。

查看SocialNav-SUB

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。