有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
R2V dataset|空间导航数据集|自然语言处理数据集
收藏arXiv2025-03-10 更新2025-03-13 收录
下载链接：
http://arxiv.org/abs/2503.07323v1
下载链接
链接失效反馈资源简介：
R2V数据集是一个包含815个真实建筑平面图的集合，每个平面图都转换成文本格式并配有三对随机起点和终点。该数据集用于评估大型语言模型在空间导航任务中的性能，特别是其在零样本情况下的路径规划能力。数据集的构建基于真实世界的场景，保证了其在实际应用中的适用性，同时简化了处理过程，便于LLM理解和处理。
提供机构：
香港科技大学
创建时间：
2025-03-10
AI搜集汇总
数据集介绍
构建方式
R2V数据集的构建采用了现实世界建筑中的815个真实平面图，这些平面图主要呈矩形结构，便于LLM进行处理和理解。为了评估LLM的空间导航能力，研究者们将这些平面图转换为文本格式，并随机抽取了三对起始和目标点。此外，他们还使用A*算法生成了无障碍的最优路径作为基准标签，从而构建了一个适合评估LLM空间导航能力的综合数据集。为了探索LLM导航和规划能力的上限，研究者们还手动创建了一些更复杂的场景。
特点
R2V数据集的主要特点是其真实性和多样性。数据集包含来自现实世界建筑的真实平面图，这些平面图具有不同的形状和布局，能够有效地模拟真实环境中的导航挑战。此外，数据集还包含了多个起始和目标点，以及使用A*算法生成的无障碍最优路径，这些特点使得R2V数据集成为一个评估LLM空间导航能力的理想平台。
使用方法
R2V数据集的使用方法相对简单。首先，用户需要将平面图转换为文本格式，并随机抽取起始和目标点。然后，用户可以使用A*算法生成无障碍的最优路径作为基准标签。最后，用户可以将数据集用于评估LLM的空间导航能力，并探索LLM在多智能体场景下的协调和碰撞解决能力。
背景与挑战
背景概述
R2V数据集是用于动态路径规划研究的，旨在探索大型语言模型（LLM）在空间路径规划和无障碍轨迹生成方面的能力。该数据集由香港科技大学和达特茅斯学院的研究人员创建，首次提出了一种基于LLM的导航系统，该系统能够在动态环境中处理障碍物避免和碰撞解决。R2V数据集包含了815个来自实际建筑的楼面平面图，每个平面图都经过文本化处理，并随机选取了三对起点和终点。这些平面图主要用于评估LLM的空间导航能力。R2V数据集的创建对相关领域产生了深远的影响，为LLM在导航和路径规划方面的研究提供了重要的数据支持。
当前挑战
R2V数据集当前面临的挑战主要包括：1) LLM在空间路径规划和无障碍轨迹生成方面的能力尚未得到充分探索；2) LLM在解决真实世界场景中的路径导航问题时，其性能仍有待提高。为了解决这些问题，研究人员提出了基于LLM的导航系统，该系统能够在动态环境中处理障碍物避免和碰撞解决。此外，研究人员还提出了一种基于锚点的路径表示方法，该方法比传统的路径表示方法具有更高的灵活性和实用性。通过实验，研究人员发现现代LLM在空间导航任务中表现出显著的能力，但在多智能体场景中，其性能仍有所下降。因此，未来的研究需要进一步探索LLM在真实世界场景中的路径导航能力，并提高其在多智能体场景中的性能。
常用场景
经典使用场景
R2V数据集主要用于评估大型语言模型（LLM）在动态环境中的路径规划和避障能力。该数据集包含815个真实建筑的平面图，为LLM提供了在现实世界场景中导航的基准。LLM需要根据起点和目标点生成无碰撞的路径，并在多智能体场景中协调移动，避免碰撞。此外，R2V数据集还用于评估LLM在生成环境感知的人形运动方面的能力。
解决学术问题
R2V数据集解决了LLM在空间路径规划和无碰撞轨迹生成方面的应用问题。传统的基于强化学习的方法在数据收集和训练方面存在局限性，而LLM能够处理未见过的场景，支持用户与智能体之间的交互，并提供对复杂系统的全局控制。R2V数据集为LLM提供了一个评估其空间推理和路径规划能力的平台，为LLM在现实世界应用中的导航任务提供了重要参考。
衍生相关工作
R2V数据集衍生了多项相关工作，包括DeepSeek-R1、o3-mini等模型在路径规划和避障任务上的应用。这些工作进一步探索了LLM在空间推理和路径规划方面的能力，并展示了LLM在生成环境感知的人形运动方面的潜力。此外，R2V数据集还启发了基于LLM的导航系统在多智能体协调和动态环境中的应用，为未来智能系统的发展提供了新的思路。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域交通网络数据集
该数据集包含中国各区域的交通网络信息，包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。
data.stats.gov.cn 收录
网易云音乐数据集
该数据集包含了网易云音乐平台上的歌手信息、歌曲信息和歌单信息，数据通过爬虫技术获取并整理成CSV格式，用于音乐数据挖掘和推荐系统构建。
github 收录
UniProt
UniProt（Universal Protein Resource）是全球公认的蛋白质序列与功能信息权威数据库，由欧洲生物信息学研究所（EBI）、瑞士生物信息学研究所（SIB）和美国蛋白质信息资源中心（PIR）联合运营。该数据库以其广度和深度兼备的蛋白质信息资源闻名，整合了实验验证的高质量数据与大规模预测的自动注释内容，涵盖从分子序列、结构到功能的全面信息。UniProt核心包括注释详尽的UniProtKB知识库（分为人工校验的Swiss-Prot和自动生成的TrEMBL），以及支持高效序列聚类分析的UniRef和全局蛋白质序列归档的UniParc。其卓越的数据质量和多样化的检索工具，为基础研究和药物研发提供了无可替代的支持，成为生物学研究中不可或缺的资源。
www.uniprot.org 收录
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
VEDAI
用于训练YOLO模型的VEDAI数据集，包含图像和标签，用于目标检测和跟踪。
github 收录