ACE-Data-0：以人為中心的環境捕捉與賦能實體認知資料引擎
為何重要
賦能認知 AI（Embodied AI）領域長期缺乏真實場景的多感官資料，此基礎設施填補了摩擦、遮蔽與長時間序列等難點的評估空白。該資料集為 imitation learning 和 vision-language-action 系統提供了高品質基礎，有助於模型更好地處理 egomotion 與 contact 等複雜情況。產業應關注微型化資料蒐集裝置的商業化潛力，這是賦能認知技術從研究走向實務部署的關鍵輸入。
- 本研發提出了 Ambient Capture Engine (ACE)，透過改造真實生活環境成為校準、同步的錄影棚，解決賦能認知 AI 的資料瓶頸。
- ACE-Data-0 資料集總計 150 小時、1700 萬幀影片，記錄了 50 位參與者在 2 個環境中執行 200 種任務型別，產生 75,000 組互動例項。
- 裝置與紀錄方式包含桌面級手機器人互動與室內級全身運動捕捉，並同步記錄視覺、聽覺與觸覺等多感官資料流。