UMAD dataset

Figshare2025-07-21 更新2026-04-28 收录

多模态感知干扰

SLAM与3D重建

数据链接：

https://figshare.com/articles/dataset/UMAD_dataset/29605373 数据链接链接失效反馈

官方服务：

资源简介：

This is a vision training dataset, which images、IMU data and pointcloud data.

创建时间：

2025-07-21

ObjectFolder Real

多模态感知干扰

物体学习

ObjectFolder Benchmark是由斯坦福大学团队创建的多模态物体学习基准数据集，旨在推动多模态感知在计算机视觉、机器人等领域的发展。该数据集包含1,000个神经物体和100个真实世界的家庭物品，涵盖视觉、听觉和触觉三种模态。其中，神经物体通过模拟生成，而真实物体的数据则通过专业的采集流程获取，包括3D网格、视频、冲击声和触觉读数。数据集的创建过程涉及多模态数据的同步采集与校准，确保了

objectfolder.stanford.edu2023-06-01 更新1490

TUM/EgoExOR

手术室活动

多模态感知干扰

EgoExOR-HQ是一个用于手术活动理解的自中心-外中心手术室数据集。该数据集旨在解决手术室中快速、遮挡严重环境下外科医生、护士和设备之间精确协调的需求，为提升安全性和效率提供先进的感知模型基础。现有数据集通常只提供部分自中心视角或稀疏的外中心多视角上下文，而EgoExOR首次融合了第一人称和第三人称视角。数据集覆盖了94分钟（以15 FPS采样，共84,553帧）的两种模拟脊柱手术过程：超声引

Hugging Face2026-06-01 更新60

data_ban_sao

机器人操作

多模态感知干扰

该数据集是一个机器人学数据集，使用LeRobot创建。数据集包含30个episodes，总计13250帧，涉及单一任务。数据格式包括动作、观测状态（关节位置）、多个摄像头图像（如高分辨率摄像头、低分辨率摄像头、右腕摄像头、左腕摄像头）以及时间戳和索引信息。机器人类型为Trossen AI Stationary，具有14个关节（左右各7个）。视频数据以30 fps录制，图像分辨率为480x640像素

Hugging Face2026-07-28 更新40

TLV (Touch-Language-Vision)

多模态感知干扰

人机交互

TLV数据集是由北京交通大学北京交通数据分析与挖掘重点实验室创建，旨在通过人机协同方式实现触觉、语言和视觉的多模态对齐。该数据集包含20000对同步的触觉和视觉观察，其中详细标注了19834个实例，每个实例都附有句子级别的描述。创建过程中，通过使用GelSight传感器和VisGel数据集收集触觉和视觉数据，并利用GPT-4V进行文本标注。TLV数据集主要应用于触觉相关的多模态感知研究，特别是解决

arXiv2024-05-10 更新721

XRFv2 Plus Multimodal Dataset

多模态感知干扰

人体动作识别

WiFi, IMU, AirPods, depth/IR, DensePose, pose, mesh, and action labels.

kaggle2026-06-05 更新40