近日，一個名為ACME（跨文化多形態社會導航數據集）的大型多模態數據集正式發佈，旨在填補現有社會導航數據集在多樣性方面的顯著空白。當前，大多數社會導航數據集侷限於單一文化背景和少數機器人形態，難以反映不同文化、地理和人機交互方式對導航行為的深遠影響。ACME數據集正是在這一背景下應運而生，它通過大規模的採集努力，收集了來自5個國家8個不同地點的數據，使用了7種不同的機器人形態，累計獲得了29.35小時的車載傳感器數據和43.5小時的俯瞰視角行人跟蹤數據，總計超過72小時的多模態數據。
與以往數據集不同，ACME特別注重捕捉包含明確機器人語音交互的複雜社會場景中的目標驅動導航行為。這意味着機器人在人羣中行駛時，會通過語音與行人進行互動，例如請求讓路或提示意圖，從而記錄更加自然和豐富的人機互動場景。數據集提供了豐富的多模態信息，包括3D和2D場景特徵、里程計數據、交互信息以及經過人工精確標註的行人軌跡標籤。這些數據對於訓練社會導航策略和預測行人行為至關重要。
為了便於研究者使用，ACME採用了靈活的數據發佈形式，既提供了每種傳感器模態的人類可讀數據（如文本、圖像），也保留了原始二進制數據，方便用户進行自定義處理。研究團隊通過定性和定量分析證明，ACME所包含的場景比以往數據集更具挑戰性，行人行為的分佈也更加廣泛，更能反映真實世界中機器人導航面臨的多樣性。
該數據集的相關論文已於2026年6月29日投稿至國際機器人學研究期刊（IJRR），全文共24頁，包含19幅圖表。ACME的發佈預計將極大推動跨文化、多形態環境下的社會導航研究，為機器人與人類在共享空間中的安全、高效交互提供堅實的基礎數據支持。