Expert_Search_Data

# Expert Search Data — 原始存档（tar.zst） UAV 专家搜索（Expert Search）轨迹数据集的**完整原始目录存档**。 本仓库只放 `*.tar.zst` 存档，每个包含一个场景的全部 episode 原始目录 （`episode.jsonl`、`episode_summary.json`、`depth.npz`、`rgb_{front,left,right,down}/`、 `trajectory.png`）。 > **训练用的 Parquet 版本已迁到 → [`LLMXXS/Expert_Search_Data_4cam`](../Expert_Search_Data_4cam)** > 那个仓库包含四相机（front / left / right / down）的 JPEG 与深度，且体积比 tar 更小、可直接流式读取。 ## 场景清单 | 文件 | 场景 | 大小 | |---|---|---| | `BrushifyUrban_TrainSets.tar.zst` | 城市街区 | 10.9 GB | | `CityPark_TrainSets.tar.zst` | 城市公园 | 12.0 GB | | `CabinLake_TrainSets.tar.zst` | 湖畔木屋 | 8.6 GB | | `DownTown_train.tar.zst` | 市中心 | 5.5 GB | | `ModularNeighborhood_TrainSets.tar.zst` | 模块化社区 | 5.0 GB | | `WinterTown_train.tar.zst` | 冬季小镇 | 4.4 GB | | `WesternTown_train.tar.zst` | 西部小镇 | 3.8 GB | | `Slum_train.tar.zst` | 棚户区 | 2.5 GB | | `UrbanJapan_TrainSets.tar.zst` | 日式街区 | 2.3 GB | | `Venice_train.tar.zst` | 水城 | 1.5 GB | 合计 10 个场景，56.6 GB。 ## 解包 ```bash # 单个场景 tar -I zstd -xf BrushifyUrban_TrainSets.tar.zst # 全部（推荐后台跑） for f in *.tar.zst; do tar -I zstd -xf "$f"; done ``` 解包后得到同名目录，结构如下： ``` BrushifyUrban_TrainSets/ ├── ep_0001/ │ ├── episode.jsonl # 逐帧动作/位姿/清空/距离 │ ├── episode_summary.json # episode 级元数据 │ ├── depth.npz # front/left/right/down 四视角 (T,144,256) uint8 │ ├── rgb_front/*.jpg │ ├── rgb_left/*.jpg │ ├── rgb_right/*.jpg │ ├── rgb_down/*.jpg │ └── trajectory.png ├── ep_0002/ └── ... ``` ## 各场景 episode 数 | 场景 | episodes | |---|---| | BrushifyUrban_TrainSets | 1396 | | CabinLake_TrainSets | 928 | | CityPark_TrainSets | 822 | | DownTown_train | 538 | | WinterTown_train | 500 | | WesternTown_train | 451 | | ModularNeighborhood_TrainSets | 425 | | UrbanJapan_TrainSets | 308 | | Slum_train | 288 | | Venice_train | 236 | 合计 **5892** 集。 ## 数据来源 由多个采集服务器分别采集后合并上传，本仓库是**多服务器聚合的完整版本**。 本地单机采集会因任务过滤而少于上述数量，请以本仓库为准。