ACME：一个跨文化、多形态的社会导航数据集
ACME是一个大规模、多模态的社会导航数据集，涵盖5个国家8个地点、7种机器人形态，包含29.35小时车载数据和43.5小时行人跟踪数据，旨在通过多样的文化、地理和人机交互场景推动社会导航研究。
近日，一个名为ACME（跨文化多形态社会导航数据集）的大型多模态数据集正式发布，旨在填补现有社会导航数据集在多样性方面的显著空白。当前，大多数社会导航数据集局限于单一文化背景和少数机器人形态，难以反映不同文化、地理和人机交互方式对导航行为的深远影响。ACME数据集正是在这一背景下应运而生，它通过大规模的采集努力，收集了来自5个国家8个不同地点的数据，使用了7种不同的机器人形态，累计获得了29.35小时的车载传感器数据和43.5小时的俯瞰视角行人跟踪数据，总计超过72小时的多模态数据。
与以往数据集不同，ACME特别注重捕捉包含明确机器人语音交互的复杂社会场景中的目标驱动导航行为。这意味着机器人在人群中行驶时，会通过语音与行人进行互动，例如请求让路或提示意图，从而记录更加自然和丰富的人机互动场景。数据集提供了丰富的多模态信息，包括3D和2D场景特征、里程计数据、交互信息以及经过人工精确标注的行人轨迹标签。这些数据对于训练社会导航策略和预测行人行为至关重要。
为了便于研究者使用，ACME采用了灵活的数据发布形式，既提供了每种传感器模态的人类可读数据（如文本、图像），也保留了原始二进制数据，方便用户进行自定义处理。研究团队通过定性和定量分析证明，ACME所包含的场景比以往数据集更具挑战性，行人行为的分布也更加广泛，更能反映真实世界中机器人导航面临的多样性。
该数据集的相关论文已于2026年6月29日投稿至国际机器人学研究期刊（IJRR），全文共24页，包含19幅图表。ACME的发布预计将极大推动跨文化、多形态环境下的社会导航研究，为机器人与人类在共享空间中的安全、高效交互提供坚实的基础数据支持。