Motion_Dataset

Apple Arts Studios 运动捕捉数据集是一个由 Apple Arts Studios 自行采集、处理并策划的专业全身人体运动捕捉数据集。该数据集旨在支持人工智能、人形机器人、运动生成、动画、仿真、动作识别以及人体运动研究等领域。本次发布包含5小时原始运动捕捉数据，并提供了左右镜像版本，使总时长达10小时，共2584个文件。镜像运动作为数据增强，而非独立采集。运动覆盖平地、斜坡、楼梯及物体交互环境，包含多种速度、方向、身体姿态、过渡、风格及表演者变化。每个运动以多种表示形式提供：SOMA Uniform BVH（30 FPS）、Unitree G1 CSV、JSON元数据，以及原始和镜像变体。数据集按环境、类别、动作和表演者进行层次化组织。元数据包含运动标识符、名称、动作名称、类别、子类别、表演者、拍摄编号、版本、帧率、帧数、时长、原始/镜像状态、运动方向、速度、物体/道具信息、文件路径、捕捉系统及骨骼信息等。该数据集还包含两个层级：Tier 1（分段剪辑，典型时长10-20秒，当前5+5小时）和Tier 2（全长连续序列，原始195小时48分钟，镜像后总计391小时36分钟）。本Hugging Face仓库提供Tier 1的公开评估样本。完整数据集及商业许可证可通过邮件或网站获取。The Apple Arts Studios Motion Capture Dataset is a professional full-body human motion capture dataset collected, processed, and curated by Apple Arts Studios. It is designed to support fields such as artificial intelligence, humanoid robotics, motion generation, animation, simulation, action recognition, and human motion research. This release includes 5 hours of raw motion capture data, with left-right mirrored versions provided, bringing the total duration to 10 hours across 2,584 files. Mirror motions serve as data augmentation rather than independent captures. Motions cover flat ground, slopes, stairs, and object interaction environments, encompassing various speeds, directions, body postures, transitions, styles, and performer variations. Each motion is provided in multiple representations: SOMA Uniform BVH (30 FPS), Unitree G1 CSV, JSON metadata, along with original and mirrored variants. The dataset is organized hierarchically by environment, category, action, and performer. Metadata includes motion identifiers, names, action names, categories, subcategories, performers, take numbers, versions, frame rates, frame counts, durations, original/mirror status, motion directions, speeds, object/prop information, file paths, capture systems, and skeleton information. The dataset also includes two tiers: Tier 1 (segmented clips, typically 10-20 seconds, currently 5+5 hours) and Tier 2 (full-length continuous sequences, originally 195 hours 48 minutes, totaling 391 hours 36 minutes after mirroring). This Hugging Face repository provides public evaluation samples for Tier 1. The complete dataset and commercial licenses are available via email or website.

原始信息汇总

Apple Arts Studios 动作捕捉数据集

数据集概览

• 提供方：Apple Arts Studios
• 类型：全身 + 手指人体动作捕捉数据
• 原始捕获时长：5 小时
• 镜像增强时长：5 小时（由原始动作经左右镜像变换生成，属于数据增强，非独立捕获）
• 总发布时长：10 小时
• 文件总数：2,584 个（原始与镜像文件合计）
• 数据规模：1K-10K 条记录
• 主要应用：人工智能、人形机器人、运动生成、动画、仿真、动作识别、人体运动研究

数据层级

• Tier 1（分段动作片段）：经过修剪、清理、可直接用于训练的动作片段，每段时长典型为 10-20 秒；当前发布 10 小时（5 小时原始 + 5 小时镜像），完整库为 134 小时 08 分钟（原始 67小时04分钟 + 镜像 67小时04分钟）
• Tier 2（完整捕获序列）：保留完整捕获时间线的连续录制，包含 T-pose、空闲动作、转换、重置等；总时长 391 小时 36 分钟（原始 195小时48分钟 + 镜像 195小时48分钟），另附同步见证相机视频与 OptiTrack Motive 参考录制

动作表示格式

1. SOMA Uniform BVH：30 FPS，统一骨架层级、关节命名、骨骼结构、身体比例，适用于动作生成、检索、分类、预测等研究
2. Unitree G1 CSV：映射至 Unitree G1 人形机器人表示（不可直接作为机器人控制指令），适用于运动重定向、模仿学习、策略开发、全身控制等
3. JSON 元数据：包含动作标识、动作名称、类别、子类别、演员标识、帧率、帧数、时长、原始/镜像状态、运动方向/速度、物体信息、文件路径等，用于关联同一动作的不同表示

帧率说明

• SOMA Uniform BVH 为 30 FPS，Unitree G1 CSV 帧率记录在对应文件元数据中；不同表示间帧率可能不同，跨表示比对时需考虑重采样、帧索引对齐、时间戳对齐等因素

数据集组织

按层级结构组织：运动表示 → 环境 → 原始/镜像状态 → 表面/交互类型 → 动作类别 → 动作名称 → 演员标识，示例路径：Soma_Bvh/Locomotions/Original、Unitree_G1_Csv/Locomotions/Mirrored

许可与访问

• 本 Hugging Face 发布为公共评估样本
• 完整 Tier 1、Tier 2 及自定义动作捕捉服务需商业许可
• 联系方式：[e-mail]；https://www.appleartsstudios.com/

搜集汇总

数据集介绍

构建方式

该数据集由Apple Arts Studios在其内部动捕设施中精心构建，涵盖了5小时原始捕捉及5小时左右镜像增强，共计10小时的全身体运动数据。原始数据通过专业动捕流程采集，并经过分段修剪、清理，形成训练就绪的片段。所有动作以SOMA Uniform BVH（30 FPS）和Unitree G1 CSV两种格式呈现，并附带结构化JSON元数据。数据组织遵循环境、类别、动作及表演者的层级体系，确保多维度检索与使用的便捷性。镜像版本作为数据增强手段，严格源于原始记录，不视为独立表演。

特点

数据集具备高度专业性与多样性，覆盖平地、坡道、楼梯及物体交互等多种环境，包含多种运动速度、方向、姿态、过渡及风格，并由多名表演者演绎，提供了丰富的动作变体。标准化SOMA骨骼表示和Unitree G1 CSV格式分别支持跨表演者比较与机器人研究，且文件名跨表示一致，便于自动配对。元数据详尽，涵盖运动标识、类别、演员、镜面状态等关键属性，为下游任务提供有效支撑。

使用方法

用户可依据元数据中的层级结构筛选与加载所需动作，选择SOMA Uniform BVH用于通用运动生成、检索或分类任务，或选取Unitree G1 CSV用于人形机器人运动重定向、模仿学习及强化学习研究。注意不同表示的帧率存在差异，使用时需进行重采样与时间对齐。镜像数据可作为增强数据扩充训练集，但需保留原始对应关系。商业授权用户可获取完整Tier 1库及Tier 2连续序列，以支持更大规模的研究与开发。

背景与挑战

背景概述

Apple Arts Studios Motion Dataset是由Apple Arts Studios于近年发布的高质量全身人体运动捕捉数据集，专为人工智能、仿人机器人、运动生成及动画模拟等前沿领域设计。数据集包含5小时原始捕捉及5小时左右镜像增强数据，总计10小时，涵盖平坦橡胶地面、坡道、楼梯及物体交互等多种环境下的运动，动作类型丰富，包含多种速度、方向、姿态与过渡。数据以SOMA Uniform BVH（30 FPS）、Unitree G1 CSV及JSON元数据三种格式提供，便于跨领域研究与应用。该数据集由Apple Arts Studios内部团队自主完成概念设计、表演、捕捉、处理与标注，体现了专业动作捕捉设施在数据集构建中的重要作用。其公开的评估子集为研究人员提供了标准化、可比较的基准，对运动生成、模仿学习及人形机器人控制等研究方向具有显著的推动作用，有望成为物理AI与具身智能领域的重要数据资源。

当前挑战

该数据集所面临的挑战主要集中于两个方面。其一，从领域问题而言，运动捕捉数据在跨主体、跨表征之间的标准化与可比较性是一项关键难题。不同表演者的骨骼结构、动作习惯差异，以及不同机器人平台（如Unitree G1）的关节约束与动力学特性，使得运动重定向与模仿学习面临显著困难。此外，动作数据的时间连续性、空间一致性及多模态同步（如视频与运动捕捉的对应）也是研究中的核心障碍。其二，从构建过程来看，数据集的构建面临高成本、高精度的挑战，专业动作捕捉设备与场地投入巨大，且需要精心设计动作协议以覆盖广泛的动作类别与环境条件。数据的后期处理，包括动作分割、清理、去噪及标注，需耗费大量人工，确保每个动作片段清晰且无冗余。左右镜像数据的生成虽增加了数据多样性，但必须严格保证源动作与镜像动作的对应关系，避免引入偏差。此外，不同表征间的帧率差异（如BVH为30 FPS，CSV则基于自身元数据）要求使用者在跨表征比较时进行重采样与时间对齐，增加了数据使用的复杂度。这些挑战共同构成了该数据集在领域应用与构建层面的重要研究课题。

常用场景

经典使用场景

该数据集作为专业级人体运动捕捉资源，在具身智能与计算机动画领域树立了新的标杆。其核心应用聚焦于训练和评估全身控制策略，尤其是在人形机器人平台上，通过标准化SOMA统一骨架和Unitree G1专用表征，为跨主体运动重定向、模仿学习及强化学习环境构建提供数据基石。研究者可借此开展运动生成、预测与分类等经典任务，并利用镜像增广数据扩充训练集，提升模型的泛化能力。

衍生相关工作

该数据集的发布催生了多项衍生工作。一方面，研究者基于其SOMA统一表征，开发了新的运动生成模型和动作识别算法，推动了人体运动分析的前沿进展。另一方面，围绕Unitree G1格式，涌现出一批针对人形机器人运动重定向、全身控制策略及仿真环境搭建的开源工具和基准测试。此外，数据集的镜像增广策略和层次化标注方式也被后续数据集构建所借鉴，促进了运动捕捉数据规范化流程的发展，为领域内比较研究奠定了更坚实的基础。

数据集最近研究

最新研究方向

该数据集聚焦于推动人形机器人与物理AI领域的全身运动控制研究，通过提供高精度、多环境（平地、斜坡、楼梯、物体交互）的原始动捕数据，支持人类到机器人的运动重定向、模仿学习及策略开发。其前沿方向包括利用统一骨架表示（SOMA BVH）进行跨表演者的运动生成与检索，以及结合Unitree G1平台探索强化学习与全身控制策略。镜像增强和元数据体系进一步促进运动学分析于数字孪生应用，为具身智能提供关键训练语料。