homer-v2
收藏资源简介：
HomER v2是一个精心策划的以自我为中心的家庭活动视频数据集，专为机器人学、具身人工智能和视频理解研究而设计。该数据集包含765个第一人称视角视频，总计约100小时，记录了真实世界的家庭活动。数据来源于全球49个国家、横跨五大洲（非洲、亚洲、欧洲、北美洲、南美洲）的420名独特参与者。每个视频都附带有结构化的元数据和描述所执行任务的自然语言文本。数据集涵盖了10个平衡分布的家庭活动类别，包括：室内植物活动、清洁、餐桌任务、个人护理与浴室活动、办公桌与办公室任务、洗衣与衣物护理、家庭整理、维修与组装、食物准备、以及手工与精细操作。该数据集以第一人称视角录制，呈现了真实家庭环境中的多样化物体操控和交互场景，适用于机器人感知研究、具身AI评估、视频理解基准测试、活动识别、人-物交互分析、视频-语言模型评估以及任务理解与推理等用途。数据以包含视频预览和下载链接的结构化元数据形式提供。
HomER v2 is a curated egocentric home activity video dataset designed for robotics, embodied AI, and video understanding research. The dataset includes 765 first-person perspective videos, totaling approximately 100 hours, capturing real-world home activities. Data is sourced from 420 unique participants across 49 countries spanning five continents (Africa, Asia, Europe, North America, South America). Each video is accompanied by structured metadata and natural language text describing the tasks performed. The dataset covers 10 balanced home activity categories, including: indoor plant activities, cleaning, table tasks, personal care and bathroom activities, desk and office tasks, laundry and clothing care, home organization, repair and assembly, food preparation, and crafts and fine manipulation. Recorded from a first-person perspective, it presents diverse object manipulation and interaction scenarios in real home environments, suitable for robot perception research, embodied AI evaluation, video understanding benchmarks, activity recognition, human-object interaction analysis, video-language model evaluation, and task understanding and reasoning. Data is provided in structured metadata format with video previews and download links.
HomER v2：家庭自我中心机器人数据集
HomER v2 是一个经过整理的自我中心家庭活动视频数据集，专为机器人学、具身人工智能和视频理解研究而设计。
数据集规模
- 视频总数：765 个第一人称视频
- 总时长：约 100 小时
- 参与者：来自 49 个国家的 420 位独特参与者
- 地理覆盖：涵盖非洲、亚洲、欧洲、北美洲和南美洲五大洲
活动类别分布
数据集包含 10 个活动类别，视频时长分布较为均衡：
- 室内植物活动：85 个视频（9.49 小时）
- 清洁：95 个视频（9.98 小时）
- 餐桌任务：88 个视频（10.01 小时）
- 个人护理与浴室活动：86 个视频（10.03 小时）
- 办公桌与办公室任务：78 个视频（10.01 小时）
- 洗衣与衣物护理：75 个视频（9.94 小时）
- 家庭整理：69 个视频（9.99 小时）
- 维修与组装：67 个视频（10.09 小时）
- 食物准备：66 个视频（10.06 小时）
- 手工艺与精细操作：56 个视频（9.99 小时）
数据内容
每条记录包含以下信息：
- 唯一视频标识符
- 活动类别
- 自然语言任务描述
- 视频预览 URL
- 视频下载 URL
- 视频时长
- 附加元数据
数据集特点
- 自我中心（第一人称）录制
- 真实家庭环境与活动
- 活动类别分布平衡
- 多样化的物体操作与交互场景
- 每条视频附带自然语言任务描述
预期用途
- 机器人感知研究
- 具身人工智能评估
- 视频理解基准测试
- 活动识别
- 人-物交互分析
- 视频-语言模型评估
- 任务理解与推理
数据格式
数据集以结构化元数据形式分发，包含对源视频的引用。视频资产可通过提供的预览和下载 URL 访问。
许可协议
本数据集采用 CC BY 4.0 许可协议发布。
引用
bibtex @dataset{homer_v2_2026, title = {HomER v2: Home Egocentric Robotics Dataset}, author = {Toloka}, year = {2026}, publisher = {Hugging Face} }
