VLN-CE

该数据集名为VLN-CE，包含了视觉-语言导航任务中的轨迹-指令对，其中人工智能代理根据语言指令在环境中导航。该数据集被划分为四个子集：训练集（包含10,819对，涉及61个场景）、验证集（已见，包含778对，涉及53个场景）、验证集（未见，包含1,839对，涉及11个场景）以及测试集（包含3,408对，涉及18个场景）。整个数据集跨越了90个Matterport3D场景，共包含16,844对，用于视觉-语言导航任务。This dataset is named VLN-CE, which contains trajectory-instruction pairs for the vision-and-language navigation (VLN) task, where AI Agents navigate in environments following natural language instructions. The dataset is split into four subsets: the training set (containing 10,819 pairs across 61 scenes), the seen validation set (with 778 pairs across 53 scenes), the unseen validation set (including 1,839 pairs across 11 scenes), and the test set (containing 3,408 pairs across 18 scenes). The entire dataset spans 90 Matterport3D scenes, with a total of 16,844 pairs, and is dedicated to the vision-and-language navigation task.

搜集汇总

背景与挑战

背景概述

VLN-CE是一个连续环境中的视觉与语言导航数据集，提供第一人称视角和人类生成的指令，代理需通过控制动作（如移动、转向）完成导航任务。该数据集旨在突破原始VLN任务的限制，使模拟代理更接近现实场景。