RxR

该数据集名为RxR，其中包含了英文、印地语和泰卢固语的指令，并且样本与虚拟姿态进行了时间对齐。此外，通过融入地标信息，RxR的英文部分进一步扩展为Landmark-RxR。该数据集的任务是细粒度导航。

This dataset is named RxR, which contains instructions in English, Hindi, and Telugu, with its samples temporally aligned with virtual poses. Furthermore, its English subset has been further extended into Landmark-RxR by incorporating landmark information. The task supported by this dataset is fine-grained navigation.

搜集汇总

背景与挑战

背景概述

RxR是一个大规模多语言视觉与语言导航数据集，基于Matterport3D环境，包含12.6万条导航指令和跟随演示，支持英语、印地语和泰卢固语。其特点是规模比同类数据集大10倍，路径更长且更多变，并提供了细粒度的视觉与文本对齐信息，适用于密集时空接地研究。