XR Tracking Evaluation

该数据集由杜克大学的研究人员创建，旨在提供一个标准化的框架，用于比较扩展现实（XR）设备的空间跟踪性能。该数据集包含了五款先进的XR设备的跟踪性能数据，包括Apple Vision Pro、Meta Quest 3、HoloLens 2、Magic Leap 2和XReal Air 2Ultra，跨越16个不同的场景。数据集的内容涵盖了多种环境特征、用户运动动态和多模态传感器数据，并提供了跟踪性能的定量分析。该数据集的创建过程涉及在相同的环境和运动条件下，对多个XR设备进行同步评估。该数据集的应用领域包括XR设备的跟踪性能评估、XR设备的选择、XR应用程序的优化等。This dataset was developed by researchers at Duke University to provide a standardized framework for comparing the spatial tracking performance of extended reality (XR) devices. It contains tracking performance data from five cutting-edge XR devices, including Apple Vision Pro, Meta Quest 3, HoloLens 2, Magic Leap 2, and XReal Air 2 Ultra, across 16 distinct scenarios. The dataset encompasses a wide range of environmental characteristics, user motion dynamics, and multimodal sensor data, and offers quantitative analyses of tracking performance. The creation of this dataset involved synchronous evaluations of multiple XR devices under identical environmental and motion conditions. Potential application areas of this dataset include tracking performance assessment of XR devices, XR device selection, and optimization of XR applications, among others.

原始信息汇总

XR空间追踪评估数据集概述

数据集基本信息

• 名称: XR Spatial Tracking Evaluation
• 研究论文: "XR Reality Check: What Commercial Devices Deliver for Spatial Tracking" (ISMAR 2025)
• 作者: Tianyi Hu, Tianyuan Du, Zhehan Qu, Maria Gorlatova
• 许可证: MIT License

数据集内容

• 硬件设计: 多设备安装的3D模型和组装指南
• 软件工具:
  • 校准工具（外参校准和时间同步）
  • 数据收集框架（Unity和Xcode项目）
  • 分析脚本（姿态误差计算和相关性分析）
• 数据集:
  • 原始传感器和姿态数据
  • 同步的地面真实轨迹
  • 处理后的分析就绪数据

支持的XR设备

• Apple Vision Pro (AVP)
• Meta Quest 3 (MQ3)
• Microsoft HoloLens 2 (HL2)
• Magic Leap 2 (ML2)
• XReal Air 2 Ultra (XR2U)
• ORB-SLAM3基线（使用Intel RealSense）

实验设置

• 同步评估: 在相同环境和运动条件下评估多款XR设备
• 传感器数据: 使用Intel RealSense摄像头和IMU
• 运动模式: 标准化的运动模式（特征丰富/特征贫乏环境）

分析方法

• 姿态误差计算:
  • 绝对姿态误差（APE）
  • 相对姿态误差（RPE）
• 相关性分析: 追踪误差与传感器/环境参数的关系

使用前提

• 软件: Unity 2020+, Xcode, Python 3.7+
• 硬件: Intel RealSense SDK 2.0, 动作捕捉系统（如Vicon）

引用方式

bibtex @inproceedings{hu2025xr, title={XR Reality Check: What Commercial Devices Deliver for Spatial Tracking}, author={Hu, Tianyi and Du, Tianyuan and Qu, Zhehan and Gorlatova, Maria}, booktitle={Proceedings of the 24th International Symposium on Mixed and Augmented Reality (ISMAR)}, year={2025} }

联系方式

• 联系人: Tianyi Hu
• 邮箱: [e-mail]
• 机构: 杜克大学电气与计算机工程系

搜集汇总

数据集介绍

构建方式

XR Tracking Evaluation数据集通过创新的测试平台构建，实现了在相同环境和运动条件下对多款XR设备的同步评估。该平台采用精确的时间同步技术和外部校准方法，确保数据采集的准确性和一致性。数据集涵盖了五种先进XR设备（包括Apple Vision Pro、Meta Quest 3等）在16种不同场景下的跟踪性能数据，通过运动捕捉系统记录地面真实轨迹，并同步采集设备自身的估计轨迹及传感器数据。

特点

XR Tracking Evaluation数据集具有多维度评估能力，不仅量化了设备间的性能差异（误差范围最高达2.8倍），还首次建立了环境视觉特征、用户运动动力学与跟踪误差的关联模型。其独特价值在于：1）包含毫米级精度的运动捕捉基准数据；2）同步采集了IMU和相机传感器原始数据；3）覆盖特征丰富/贫乏环境及四种典型运动模式；4）提供开源校准工具和分析管道，支持标准化跨设备比较。

使用方法

该数据集支持三种主要应用方式：1）通过EVO工具包计算相对位姿误差(RPE)和绝对位姿误差(APE)，评估轨迹估计精度；2）利用传感器数据流（IMU/相机）进行误差来源分析，研究环境特征与运动动力学对跟踪的影响；3）作为基准测试集验证新算法性能。研究人员可通过开源仓库获取硬件设计、校准流程和数据分析代码，实现实验复现与扩展研究。

背景与挑战

背景概述

XR Tracking Evaluation数据集由杜克大学电气与计算机工程系的Tianyi Hu、Tianyuan Du、Zhehan Qu和Maria Gorlatova等研究人员于2025年创建。该数据集旨在解决扩展现实（XR）设备在空间追踪中的准确性问题，如虚拟物体抖动、错位和用户不适等核心研究问题。通过引入一个新颖的测试平台，该数据集首次实现了在相同环境和运动条件下对多种XR设备的同步评估，为XR研究社区提供了可重复的方法论、全面的基准数据集和开源工具，推动了XR空间感知技术的发展。

当前挑战

XR Tracking Evaluation数据集面临的挑战主要包括两个方面：1) 领域问题挑战：XR设备在无特征环境、高速运动或低光条件下存在显著的追踪误差，导致虚拟内容的位置不稳定，影响沉浸式体验；2) 构建过程挑战：主要XR制造商未公开关键的追踪性能指标和传感器接口，缺乏透明度阻碍了独立验证；现有研究多关注单一设备分析，缺乏跨设备比较的标准化方法；此外，时间同步精度和设备外在校准也是构建过程中的技术难点。

常用场景

经典使用场景

XR Tracking Evaluation数据集在扩展现实（XR）设备空间跟踪性能评估中具有经典应用场景。通过同步多设备测试平台，该数据集能够量化不同XR设备在相同环境条件和运动模式下的跟踪误差，为研究者提供了标准化的评估框架。数据集特别适用于分析设备在特征丰富与特征缺失环境中的表现差异，以及在高动态运动条件下的稳定性。

解决学术问题

该数据集解决了XR研究领域长期存在的三个关键问题：缺乏跨设备性能比较的统一标准、环境与运动因素对跟踪精度影响的定量分析不足，以及传感器数据与姿态误差关联研究的缺失。通过提供精确的时间同步数据和多模态传感器记录，数据集使研究者能够建立运动动力学、视觉特征与跟踪误差之间的定量关系模型，推动了空间感知技术的理论发展。

衍生相关工作

基于该数据集衍生的经典工作包括：Apple Vision Pro作为运动捕捉替代方案的可信度验证研究、多传感器融合的误差补偿算法开发，以及面向特征缺失环境的鲁棒SLAM改进方案。数据集还催生了《IEEE Transactions on Visualization and Computer Graphics》发表的跨设备跟踪误差预测模型，并被引用于Meta Quest 3的开发者文档中，作为其空间锚点优化的重要基准。