EgoTraj は、Ahmad Yehia 氏ら 7 名の著者による一人称視点（egocentric）のマルチモーダル公開データセットであり、2026 年 5 月 18 日に arXiv へ投稿された論文（arXiv:2605.19004v1）で発表された。論文はコンピュータビジョンとパターン認識（cs.CV）に分類され、機械学習（cs.LG）およびロボティクス（cs.RO）にもまたがり、ACM クラスは I.2.10、I.4.8、I.5.4 である。本文は 21 ページ・図 14 点で構成され、プロジェクトページとコードリポジトリも公開されている。
研究の動機は、一人称視点から人間の将来の移動軌跡を正確に予測することが、ヒューマノイドロボティクス、ウェアラブルセンシング、支援ナビゲーションといった応用において中心的な役割を果たす一方、実環境で収集された一人称軌跡データセットが乏しいために、この分野の進展が制限されてきたという課題にある。EgoTraj はこの不足を補うために構築された。
データ収集には Meta Quest Pro（MQPro）を採用している。EgoTraj は、実都市環境で複数の MQPro 装着者から収集した 75 系列の人間ナビゲーションを含む。各記録には同期された RGB 映像に加え、連続的かつ時間同期された 6 自由度（6-DoF）頭部姿勢、フレームごとの 3 次元視線ベクトル、およびシーンアノテーションといった正解データが付与されている。これらのモダリティは時間的に厳密に整合しており、視覚・運動・注視の手がかりを同時に用いたマルチモーダルなモデリングを可能にする。
著者らによれば、EgoTraj は典型的な一人称軌跡データセットとは異なり、多様な都市ルートにおける長期的（long-horizon）かつ自己主導的なナビゲーションを捉え、参加者の多様性も広い点に特徴がある。この設計により、実利用に近い状況での評価や、複雑で開放的な環境における汎化性能の検証がしやすくなる。
データセットの有用性を示すため、論文では一人称軌跡予測に関する複数の最先端手法をベンチマークし、注視・シーン・運動の各手がかりの寄与を分析するアブレーション実験も行っている。結果は、EgoTraj が AR ベースの知覚、ナビゲーション、支援システムにとって有用であることを示している。
公開性の面では、EgoTraj データセット、コード、および EgoViz Dashboard が GitHub リポジトリ（https://github.com/yehiahmad/EgoTraj）で公開されている。論文には DOI（https://doi.org/10.48550/arXiv.2605.19004）も記載され、DataCite による付与で登録手続き中である。投稿履歴によれば v1 は 2026 年 5 月 18 日 18:26:51 UTC にアップロードされ、ファイルサイズは約 44,620 KB である。総じて本成果は、大規模でマルチモーダルな実環境一人称軌跡データを提供することで、ウェアラブル知覚や身体性 AI 研究の新たな公共基盤となっている。