cschell/boxrr-23

BOXRR-23是伯克利开放扩展现实记录数据集2023年的版本。该数据集包含用户的扩展现实（XR）回放记录，每个用户的回放记录存储在一个专用的文件中，格式为XROR。整个数据集大约有5 TB大小，为了方便用户下载，提供了元数据文件，用户可以根据元数据选择下载感兴趣的用户数据。数据集中包含BeatSaber和TiltBrush用户的记录，这些信息在元数据的`info.software.app`字段中标注。处理这些数据需要使用XROR和Motion Learning Toolbox等工具。

原始信息汇总

BOXRR-23: Berkeley Open Extended Reality Recording Dataset 2023

数据集概述

• 数据集名称: Berkeley Open Extended Reality Recording Dataset 2023 (BOXRR-23)
• 数据集大小: 约5 TB
• 数据集内容: 包含每个用户的所有重播记录，存储格式为XROR。

数据存储结构

• 用户数据: 存储在users/目录下，每个用户的数据打包为tarball文件，可通过tar xvf <path/to/user.tar>解压。
• 元数据: 存储在metadata/目录下，为BSON格式文件，可导入MongoDB进行快速筛选和选择下载。

数据集特点

• 软件应用: 包含BeatSaber和TiltBrush用户，相关信息记录在元数据的info.software.app字段中。
• 坐标系统: BeatSaber使用Unity的坐标系统。

工具与资源

• 文件打开工具: 需要XROR来打开单个重播文件。
• 数据转换脚本: 提供"XR Motion Dataset Conversion Scripts"，包括BOXRR-23的转换脚本，需先解压每个用户的数据。
• 预处理工具: Motion Learning Toolbox用于进一步预处理运动数据。

搜集汇总

数据集介绍

构建方式

在扩展现实研究领域，数据采集的全面性与标准化是推动技术发展的基石。BOXRR-23数据集通过系统化记录用户在虚拟环境中的交互行为构建而成，其核心数据来源于真实用户在BeatSaber和TiltBrush等应用中的沉浸式体验过程。每个用户的交互记录均以独立的压缩包形式存储，内部采用XROR格式封装，确保了运动轨迹、操作事件等多元信息的完整捕获。数据采集覆盖了多样化的用户群体与应用场景，并通过元数据文件对录制内容进行结构化描述，为后续的筛选与分析提供了坚实基础。

特点

作为伯克利发布的开放扩展现实记录数据集，BOXRR-23以其规模宏大与结构清晰著称。数据集总体容量约5TB，涵盖不同软件环境下的用户交互记录，并通过元数据字段细致标注了应用类型、用户标识等关键信息。其数据以标准化XROR格式保存，兼容多种扩展现实系统，同时提供了配套的元数据查询接口，支持研究者根据实验需求精准筛选子集。这种设计既保留了原始数据的高保真度，又通过元数据管理实现了高效访问，为行为分析、运动建模等研究提供了丰富而有序的资源。

使用方法

利用BOXRR-23数据集开展研究时，用户需首先借助XROR工具解析原始记录文件，以提取其中的运动轨迹与交互事件。数据集附带的元数据集合可导入MongoDB等数据库，便于通过用户标识、应用类型等条件快速定位目标数据。研究者可进一步参考官方提供的转换脚本与运动学习工具箱，将原始数据预处理为适用于机器学习模型的格式。整个使用流程强调模块化操作，从数据解压、元数据查询到运动特征提取，均配有相应工具支持，确保研究过程既高效又可复现。

背景与挑战

背景概述

随着扩展现实技术的迅猛发展，对高质量、大规模用户行为数据的需求日益增长。在此背景下，加州大学伯克利分校的研究团队于2023年推出了伯克利开放扩展现实录制数据集2023，旨在为虚拟现实与增强现实领域的研究提供丰富的真实用户交互记录。该数据集的核心研究问题聚焦于捕捉和分析用户在沉浸式环境中的自然行为模式，为运动分析、人机交互及用户体验优化等研究方向奠定了数据基础，对推动扩展现实技术的学术与工业应用产生了显著影响。

当前挑战

该数据集致力于解决扩展现实中用户行为分析与建模的挑战，尤其是在复杂动态环境下精确追踪和解释多模态交互数据方面存在难度。在构建过程中，团队面临了数据规模庞大带来的存储与处理效率问题，总容量约5TB使得数据管理复杂化；同时，确保不同软件平台如BeatSaber和TiltBrush的数据格式统一性与坐标系统兼容性也是一项关键挑战，这要求额外的工具支持与预处理步骤以保障数据的可用性和一致性。

常用场景

经典使用场景

在扩展现实（XR）研究领域，BOXRR-23数据集为运动分析与行为建模提供了丰富的多模态数据源。该数据集通过记录用户在BeatSaber和TiltBrush等虚拟环境中的交互轨迹，成为研究人类运动模式、空间感知和虚拟交互机制的经典基准。研究者可借助其高精度运动捕捉数据，深入探索XR环境中人体运动的动力学特性与认知负荷，为虚拟现实系统的优化设计奠定实证基础。

衍生相关工作

围绕BOXRR-23数据集，已衍生出多项经典研究工作，如基于XROR格式的运动数据解析工具链开发，以及Motion Learning Toolbox等预处理框架的构建。这些工作不仅拓展了数据集的可用性，还催生了针对XR运动生成的算法研究，例如通过序列建模预测用户交互行为，或利用迁移学习提升跨应用场景的运动适应性，进一步丰富了XR技术生态。

数据集最近研究

最新研究方向

在扩展现实（XR）技术快速发展的背景下，BOXRR-23数据集作为伯克利开放扩展现实记录数据集，为虚拟现实与增强现实领域的研究提供了大规模、高精度的运动数据支持。当前前沿研究聚焦于利用该数据集探索人机交互中的自然运动建模与行为分析，特别是在BeatSaber和TiltBrush等应用场景中，研究者通过分析用户的空间轨迹与动作模式，推动沉浸式环境下的用户体验优化与个性化内容生成。热点事件包括元宇宙概念的兴起，促使该数据集在虚拟社交、远程协作等方向的应用受到广泛关注，其影响在于为XR系统的算法开发与标准化评估提供了关键基准，意义深远地促进了跨学科融合与技术创新。