Referencias para entender qué se construye con estas grabaciones, sin mezclarlas con plataformas donde una persona puede encontrar trabajo.
Dataset de 1.000 horas de actividades domésticas reales —limpieza, doblado de ropa y lavado de platos— con vídeo de cámara montada en la cabeza sincronizado con siete IMU de 9 ejes. Incluye acelerómetro, giroscopio, magnetómetro y cuaterniones de orientación.
Unidata indica que los datos fueron recopilados por un socio. Hay muestras gratuitas; el dataset completo se distribuye comercialmente. No es una oferta de trabajo.
Trayectorias robóticas reales para cinco tareas domésticas: limpiar tras una fiesta, limpiar el inodoro, sacar la basura, colocar objetos en estanterías y disponer ropa. Forma parte de BEHAVIOR Robot Suite y de su sistema de teleoperación para recopilar demostraciones.
Dataset de investigación con licencia MIT. Son trayectorias de robot, no vídeo POV de colaboradores ni una oportunidad remunerada.
Recurso de la University of Maryland sobre la escasez de datos físicos para robótica y métodos que combinan experiencia del robot con vídeo humano a gran escala. Presenta TraceGen, que extrae movimiento de manos y objetos de vídeos públicos.
Contexto de investigación sobre por qué los datos reales, trayectorias y sensores son un cuello de botella. No es un dataset descargable ni una plataforma de trabajo.
Guía sobre anotación de datos robóticos reales: vídeo multicámara, LiDAR, IMU, GPS, series temporales y sincronización multimodal. Incluye los retos específicos de robots domésticos y privacidad en hogares.
Recurso técnico para entender el tratamiento y etiquetado posterior a la captura. No es una convocatoria para colaboradores.
Dataset del grupo MAPIR capturado por un robot móvil en cinco viviendas con cuatro cámaras RGB-D y escáner láser 2D. Incluye 87.000+ observaciones y sirve para mapeo semántico, localización, SLAM y reconocimiento.
Relacionado con robótica doméstica, pero no es vídeo egocéntrico humano ni una oportunidad remunerada.
Recurso técnico sobre métodos de recopilación para robot learning. Compara vídeo egocéntrico, teleoperación y captura manual con grippers; Koala registra señales multimodales y fuerza durante demostraciones humanas.
Metodología e investigación. No es una plataforma de colaboradores.
Colección de guías sobre pretraining de robots, captura egocéntrica personalizada, procedencia, QA, consentimiento, formatos RLDS/LeRobot y planificación de datasets.
Recurso técnico/comercial para entender cómo se especifican y validan colecciones; no se presenta como oferta de trabajo.
Dataset multimodal y multivista de actividades humanas con captura egocéntrica y exocéntrica sincronizada. La versión 2 documenta 1.286,3 horas totales, 5.035 tomas y 221,26 horas egocéntricas.
Referencia académica. Requiere aceptar la licencia para descargar los datos.
Dataset egocéntrico no guionizado grabado con cámara en la cabeza en cocinas reales: 100 horas Full HD, 45 cocinas, 4 ciudades y 90.000 segmentos de acción.
Referencia académica para reconocimiento y comprensión de acciones.
Colecciones de vídeo egocéntrico de trabajo manual en fábricas reales. Egocentric-10K documenta 10.000 horas y Egocentric-100K 100.405 horas; acceso sujeto a las condiciones del repositorio.
Dataset para investigación/entrenamiento; no implica una convocatoria abierta para trabajadores.
Liberación anunciada de 100.000 horas de datos humanos egocéntricos con pose de manos/cuerpo y cobertura de 15.000+ tareas y escenas; distribución por fases mediante Hugging Face.
La disponibilidad concreta puede variar por lote durante el despliegue del dataset.
Lista curada de datasets, benchmarks, papers y herramientas de vídeo egocéntrico, organizada por áreas de investigación.
Índice de descubrimiento: cada recurso debe verificarse en su fuente original antes de incorporarlo como ficha propia.
Dataset multimodal ego-exo de EPFL para comprensión de acciones y movimiento en modelos vídeo-lenguaje, presentado en NeurIPS 2025 Datasets and Benchmarks Track.
Referencia académica. No es una oferta de trabajo ni una plataforma de colaboradores.
Proyecto de investigación de vídeo egocéntrico a gran escala: 3.670 horas, 923 participantes, 74 ubicaciones y 9 países. Incluye vídeo y otras modalidades en partes del dataset.
Referencia de investigación. No es una oferta de trabajo.
Dataset de objetos en primera persona con más de 12.000 vídeos, 40+ horas, unas 200 categorías principales y recopilación en más de 25 países.
Acceso para investigación. No es una convocatoria para colaboradores.
Índice comunitario de papers, datasets, challenges y aplicaciones relacionados con visión egocéntrica.
Útil para descubrir datasets y trabajos académicos.
Directorio comercial para localizar proveedores y productos de datos egocéntricos.
No se trata como plataforma de trabajo; sirve como pista para investigar proveedores.
Un dataset, un benchmark académico, un proveedor B2B y una oferta para grabar vídeos pueden formar parte del mismo ecosistema, pero no son lo mismo. Datos IA los separa para evitar convertir una referencia de investigación en una supuesta oportunidad de ingresos.