模态
RGB 视频 · 米制深度 · 21 关节 3D · 相机 6DoF 位姿
维度
state 55 维 / action 48 维 / 30 fps
坐标
右手系 Y-up，每段重定位到起点
标注
场景 / 任务 / 物件 / 动作 / 操作手 / 分段描述