论文页面 - MobileEgo Anywhere: 在通用硬件上进行长时程第一人称数据采集的开放基础设施

来源：https://huggingface.co/papers/2605.05945

摘要

一个基于智能手机传感器的移动端框架，用于采集长时间跨度的第一人称机器人数据，从而支持大规模训练视觉-语言-动作模型。

近年来，视觉-语言-动作（VLA）模型的快速发展催生了对大规模第一人称数据集（https://huggingface.co/papers?q=egocentric%20datasets）的迫切需求。然而，现有数据集往往受限于较短的片段时长（通常只有几分钟），无法捕捉复杂机器人任务执行所需的长时间跨度的时序依赖关系（https://huggingface.co/papers?q=long%20horizon%20temporal%20dependencies）。为弥补这一差距，我们提出了 MobileEgo Anywhere，一个旨在利用通用移动硬件（https://huggingface.co/papers?q=mobile%20hardware）采集稳健的、时长超过一小时的第一人称轨迹的框架。我们利用现代智能手机普遍配备的传感器套件，提供高保真、长时间持续的相机姿态跟踪，从而有效降低了传统机器人数据采集的高硬件门槛。我们的贡献体现在三个方面：（1）发布了一个新颖的数据集，包含 200 小时的多样化长时程第一人称数据，并带有持续的状态跟踪；（2）开源了一款移动应用程序，使任何用户都能录制第一人称数据；（3）提供了一套完整的处理流水线，将原始移动端采集数据转换为标准化、可直接用于训练视觉-语言-动作模型和基础模型研究的格式。通过将数据采集过程民主化，本工作使得在全球多样化环境中大规模获取长时程数据成为可能，从而加速了通用机器人策略的开发。

查看 arXiv 页面（https://arxiv.org/abs/2605.05945）查看 PDF（https://arxiv.org/pdf/2605.05945）项目页面（https://www.fpvlabs.ai/stera）GitHub5（https://github.com/fpv-labs/stera-sdk）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.05945）

在您的 Agent 中获取此论文：

hf papers read 2605\.05945

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2605.05945 即可从此页面链接它。

引用此论文的数据集1

fpvlabs/stera-10m 更新于 3 天前 • 13.1k • 13（https://huggingface.co/datasets/fpvlabs/stera-10m）

引用此论文的 Space0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.05945 即可从此页面链接它。

包含此论文的合集0

没有合集包含此论文

将此论文添加到合集（https://huggingface.co/new-collection）中即可从此页面链接它。