ACME：一個跨文化、多形態的社會導航資料集
ACME是一個大規模、多模態的社會導航資料集，涵蓋5個國家8個地點、7種機器人形態，包含29.35小時車載資料和43.5小時行人跟蹤資料，旨在透過多樣的文化、地理和人機互動場景推動社會導航研究。
近日，一個名為ACME（跨文化多形態社會導航資料集）的大型多模態資料集正式釋出，旨在填補現有社會導航資料集在多樣性方面的顯著空白。當前，大多數社會導航資料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、地理和人機互動方式對導航行為的深遠影響。ACME資料集正是在這一背景下應運而生，它透過大規模的採集努力，收集了來自5個國家8個不同地點的資料，使用了7種不同的機器人形態，累計獲得了29.35小時的車載感測器資料和43.5小時的俯瞰視角行人跟蹤資料，總計超過72小時的多模態資料。
與以往資料集不同，ACME特別注重捕捉包含明確機器人語音互動的複雜社會場景中的目標驅動導航行為。這意味著機器人在人群中行駛時，會透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。資料集提供了豐富的多模態資訊，包括3D和2D場景特徵、里程計資料、互動資訊以及經過人工精確標註的行人軌跡標籤。這些資料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採用了靈活的資料釋出形式，既提供了每種感測器模態的人類可讀資料（如文本、影像），也保留了原始二進位制資料，方便使用者進行自定義處理。研究團隊透過定性和定量分析證明，ACME所包含的場景比以往資料集更具挑戰性，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。
該資料集的相關論文已於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的釋出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、高效互動提供堅實的基礎資料支援。