MiniVLA-Nav v1：用于语言条件机器人导航的多场景仿真数据集

摘要

我们推出了 MiniVLA-Nav v1，这是一个用于语言条件对象方法 (LCOA) 导航的模拟数据集：在给出简短的自然语言指令的情况下，NVIDIA Nova Carter 差动驱动机器人必须导航到指定对象，并在四个逼真的 Isaac Sim 环境（办公室、医院、完整仓库和具有多个货架的仓库）中的 1 m 范围内停止。 1,174 集中的每一集都将一条指令与同步的 640x640 RGB 图像、度量深度图（float32、米）和实例分割蒙版以及从基于视觉的比例控制器以 60 Hz 记录的连续 (v,omega) 和 7x7 标记化专家动作标签配对。通过三个生成距离层（近：1.5-3.5 m，中：3.5-7.0 m，远：全局策划点；生成距离和轨迹长度之间的 Pearson r=0.94）、12 个对象类别、18 个训练模板和 12 个释义 OOD 模板来确保轨迹多样性。五个评估分割支持分布内准确性、模板释义稳健性和 OOD 对象类别基准测试。该数据集可在 https://huggingface.co/datasets/albustami/miniVLA-Nav 上公开获取