Berkeley MVP Data

Berkeley MVP Data 是由加州大学伯克利分校（University of California, Berkeley）创建的机器人学习数据集，专注于真实世界机器人任务的视觉预训练。该数据集包含来自互联网和第一人称视频的大量图像，以及在真实环境中收集的机器人操作数据。数据集的创建过程涉及从多个数据源收集图像，包括ImageNet、Epic Kitchens、Something Something、100 Days of Hands和Ego4D等数据集，总计450万张图像。这些数据用于通过掩码自动编码器（MAE）进行自监督视觉预训练，以学习有用的视觉表示。

Berkeley MVP Data is a robotics learning dataset developed by the University of California, Berkeley, focusing on visual pre-training for real-world robotic tasks. This dataset includes a vast collection of images sourced from the internet and first-person videos, alongside robotic manipulation data gathered in real-world environments. The dataset creation process involves collecting images from multiple data sources, including datasets such as ImageNet, Epic Kitchens, Something-Something, 100 Days of Hands, and Ego4D, with a total of 4.5 million images. These data are used for self-supervised visual pre-training via Masked Autoencoders (MAE) to learn useful visual representations.

搜集汇总

背景与挑战

背景概述

Berkeley MVP Data是一个专注于真实世界机器人任务的自监督视觉预训练数据集，包含从ImageNet、Epic Kitchens等来源收集的450万张图像。该数据集采用掩码自编码器（MAE）进行视觉表示预训练，并在多种机器人任务中表现出优于CLIP和ImageNet监督预训练的性能，展示了模型和数据规模扩展对机器人学习的重要性。