R2R(Room-to-Room)

R2R是第一个在真实建筑物中以视觉为基础的自然语言导航的基准数据集。数据集要求自主代理在以前看不见的建筑物中遵循人类生成的导航指令，如上面的演示所示。对于训练，每条指令都与Matterport3D模拟器轨迹相关联。提供22k指令，平均长度为29个单词。EvalAI上有一个此数据集的测试评估服务器。