arXiv发布ECHO数据集：结合场景重建与人类活动习惯

发生了什么

据arXiv论文介绍，研究者发布了ECHO（Embodied Camera observations of Human Object carrying）数据集，这是首个结合重建场景、人类活动、自然语言和上下文放置标注的大规模合成数据集。ECHO包含115个HM3D场景的159层楼的3,805个人类标注片段，涉及198种不同物体。每个片段提供RGB-D扫描、轨迹、起始/目标表面及描述居住者习惯的自然语言上下文，旨在评估具身智能体根据环境布局和人类习惯推理物体放置位置的能力。