2024具身智能语料库建设导则

ConstructionGuidelinesforCorpusofEmbodied 述 述 度 术 员 附 A（资料性）具身智能大模型方 参考文 GB/T36073-2018数据管理能力成熟度评估模型GB/T35273-2020GB/T22239-2019GB/T4894-2009信息与文献术语GY/T360-2022GY/T353-2021YD/T4245-2023T/SAIAS015—2024data[来源：GB/T4894-2009，4.7.3.2.3，有修改]EmbodiedintelligentdataticksimulationEmbodiedNSFW（NotSafeForWorkNotSuitableForWork）FOV景深（FieldOfView）SFT（SupervisedFine- 12示例：101100（ms）内产 1见表宜25括但不限于航拍、延时风景摄影等234在±2cm56±0.5°（长距离）/1°（中距离宜20Hz距离：±0.05m，角度：±0.5°，速度：±0.1除清晰外，对素材的随机抽样中，分辨率达标，宜有807不小于双声道/单声道（由原始资料特性决定8不适合作为音频数据资源的情形9详见表101112详见表13b） 6.2.1141FOV30@8MP+，11颗\h2颗\h1颗\h15支持通过OTA 极端情况（CornerCase）生成，解决现实世界中极端情况（包括罕见的物体交互、复杂的光照环境中生成的RGB图像、深度图像、IMU 本文件数据资源提交方式宜满足T/SAIAS015—2024中的数据资源提交方式。数据资源的提交方式 注： 6.3.1中所规定各数据表征模式的文件格式之一的形式a）步骤一：将关键帧发到NSFW模型中，模型会返回0或1：0=NOTEQUALb）01 16具身智能训练中定义的坐标系类型X示例：注：

附 CommonCrawl：包含大量从互联网上爬取的网页文本数据，被许多大模型预训练使用，GPT-3代码库、FreeLawYouTubeSQuAD（StanfordQuestionAnsweringDataset）：用于问答系统的高质量数据集，包DialogDatasets(e.gDailyDialogPersona-Chat)：用于对话生成的标注数据集，ConceptualCaptions300VLMCOCOCaptions：MicrosoftCOCO335VisualGenome10Flickr30k3LAION-400M&LAION-5BLAION450CLIP、StableDiffusionVQA（VisualQuestionAnswering）：一个用于视觉问答任务的数据集，包含图像及其RefCOCO,RefCOCO+andRefCOCOg：用于图像中的目标定位，通过给定的语言描述定位Flickr30kEntitiesFlickr30kPascalVOC:PascalVOC是经典的物体检测和分割数据集，用于