| 데이터 | 규모 | 손 라벨 (획득 방식) | 영상 | 언어 | 에피소드 길이(중앙) | wrist jitter (mm/f², 중앙) | 라이선스 | 품질 |
|---|---|---|---|---|---|---|---|---|
| EgoDex (Apple) | 829 h · 338k ep (test 3,243 ep / 111 task) | Vision Pro 직접 트래킹 (68 joint SE(3) + confidence) + 카메라 6-DoF | 1920×1080 30fps | LLM 설명 (정/역방향 태스크) | 10.0 s | 0.48 | CC-BY-NC-ND · Apple CDN | 깨끗함 (센서 GT) |
| EgoVerse · MicroAGI (mono) | 2,191 h · 186,188 ep | 21 MANO keypoint + 카메라 6-DoF + 에피소드별 K · 라벨 30 Hz | 640×360 30fps | 태스크 17,855종 | 20 s | 1.24 | 에피소드별 (CC BY-SA 4.0 / Apache-2.0 / 미표기) | 추정 (벤더별 파이프라인) |
| EgoVerse · MicroAGI | 1,823 h · 328,051 ep | 21 MANO keypoint + 카메라 6-DoF + 에피소드별 K · 라벨 30 Hz | 640×360 30fps | 태스크 21,924종 | 11 s | 2.03 | 에피소드별 (CC BY-SA 4.0 / Apache-2.0 / 미표기) | 추정 (벤더별 파이프라인) |
| EgoVerse · Mecka | 828 h · 41,617 ep | 21 MANO keypoint + 카메라 6-DoF + 에피소드별 K · 라벨 10 Hz | 640×360 30fps | 태스크 4,859종 | 81 s | – (선형 보간이라 0) | 에피소드별 (CC BY-SA 4.0 / Apache-2.0 / 미표기) | 추정 (벤더별 파이프라인) |
| EgoVerse · Scale AI | 217 h · 17,090 ep | 21 MANO keypoint + 카메라 6-DoF + 에피소드별 K · 라벨 30 Hz | 640×480 30fps | 태스크 71종 | 19 s | 2.42 | 에피소드별 (CC BY-SA 4.0 / Apache-2.0 / 미표기) | 추정 (벤더별 파이프라인) |
| EgoVerse · Aria gen1 (GaTech·ETH 등 4개 랩) | 110 h · 2,570 ep | 21 MANO keypoint + 카메라 6-DoF + 에피소드별 K · 라벨 30 Hz | 640×480 30fps | 태스크 26종 | 118 s | 11.73 | 에피소드별 (CC BY-SA 4.0 / Apache-2.0 / 미표기) | 추정 (벤더별 파이프라인) |
| EgoVerse · Trace | 102 h · 7,700 ep | 21 MANO keypoint + 카메라 6-DoF + 에피소드별 K · 라벨 30 Hz | 1280×720 30fps | 태스크 461종 | 33 s | 1.53 | 에피소드별 (CC BY-SA 4.0 / Apache-2.0 / 미표기) | 추정 (벤더별 파이프라인) |
| VITRA-1M | 1.22M ep (egoexo4d 67k) | 영상 → MANO 재구성 (HaWoR 계열), 저자 추정 정확도 ~90% | 원본 영상 직접 준비 (Ego4D/Epic/EgoExo4D/SSv2, undistort) | 손별 atomic 지시문 + GPT rephrase | 0.8 s | 3.31 | MIT (라벨) · 영상은 원본 라이선스 | 대규모·노이즈 |
| VITRA-TeleData (로봇) | 2,611 ep | Realman 7-DoF + XHand 12-DoF 텔레옵 (state/action GT) | 1280×720 30fps (RealSense D455) | 짧은 지시문 | 6.2 s | 0.45 | MIT | 로봇 GT (덱스 핸드) |
wrist jitter = 연속 3프레임 wrist 위치의 2차 차분 크기 중앙값(작을수록 매끈). 프레임레이트·카메라 움직임이 달라 절대 비교는 참고용.
원본 hdf5 + 1920×1080 mp4. 21 keypoint(손목+각 손가락 4관절)를 68 joint 중에서 골라 inv(camera)로 카메라 좌표 변환 후 파일의 intrinsic으로 투영. 빈 원 = confidence < 0.25. 에피소드 중앙 30 s 구간, 2프레임마다.
world 좌표 21 MANO keypoint를 obs_head_pose(xyz+quat wxyz)의 역변환으로 카메라 좌표로 옮기고, zarr.json의 front_1 intrinsics로 투영 (egomimic의 keypoints_headframe 변환과 동일). 영상은 zarr 안 JPEG 프레임. "label Hz" = 카메라 기준 wrist 궤적이 꺾이는 프레임 비율 × fps (30 = 매 프레임 라벨, 10 = 3프레임마다 키프레임 + 선형 보간).
EgoExo4D: 로컬 원본(448 downscaled Aria)에 VITRA와 같은 Aria→pinhole undistort를 448 해상도로 적용 후 라벨 투영. 한 take의 연속 에피소드를 이어붙임(각 0.5–1.5 s).
hand_mount 6-DoF 축(카메라 좌표) + 하단 막대 = XHand 12 관절 (에피소드 내 min–max 정규화).
EgoSteer-Egocentric의 egodex 폴더(147,588 ep · 논문 표 370 h; HF 데이터 카드는 손을 "EgoSmith pipeline" 추정이라 표기, 논문 표는 원본 annotation)에서 에피소드를 고르고, source_media로 같은 공식 hdf5/mp4를 Apple CDN에서 받아 비교. 둘 다 EgoSteer 형식(손목 + 손끝 5개)으로 줄여 각자의 head camera(공식 inv(camera), EgoSteer head_world2cam)로 옮기고 공식 1080p intrinsic으로 투영. 왼쪽 = 공식 Vision Pro 라벨 (손목 confidence > 0.5일 때만, 빈 원 = 손끝 confidence < 0.5), 오른쪽 = EgoSteer (흰 얇은 선 = 공식; 완전히 겹쳐서 안 보임).
| 에피소드 | 프레임 | L 최대 차이 (mm) | L 존재 일치 | L 손끝 conf<0.5 | R 최대 차이 (mm) | R 존재 일치 | R 손끝 conf<0.5 | head camera 차이 (중앙) |
|---|---|---|---|---|---|---|---|---|
| assemble_disassemble_jigsaw_puzzle extra/assemble_disassemble_jigsaw_puzzle/500 | 804 | 0.000 | 100% | 61% | 0.000 | 100% | 63% | 0.001° / 0.000 mm |
| basic_pick_place extra/basic_pick_place/1012 | 770 | 0.000 | 100% | 23% | 0.000 | 100% | 57% | 0.000° / 0.000 mm |
| basic_pick_place extra/basic_pick_place/970 | 236 | 0.000 | 100% | 47% | 0.000 | 100% | 64% | 0.000° / 0.000 mm |
| blowdry_hair extra/blowdry_hair/251 | 660 | 0.000 | 92% | 92% | 0.000 | 98% | 65% | 0.000° / 0.000 mm |
| build_unstack_lego extra/build_unstack_lego/892 | 150 | 0.000 | 100% | 39% | 0.000 | 100% | 41% | 0.000° / 0.000 mm |
| make_sandwich extra/make_sandwich/540 | 438 | 0.000 | 100% | 82% | 0.000 | 100% | 73% | 0.000° / 0.000 mm |
| makeup extra/makeup/764 | 431 | – | 100% | –% | 0.000 | 100% | 67% | 0.000° / 0.000 mm |
| play_mancala extra/play_mancala/426 | 211 | 0.000 | 100% | 94% | 0.000 | 100% | 66% | 0.000° / 0.000 mm |