Datasets:

DaftJun
/

RFWM

---
language:
- zh
- en
task_categories:
- other
tags:
- radio-propagation
- world-model
- sionna
- multimodal
pretty_name: Low-altitude RF world-model training episodes
---
# Low-altitude RF world-model training data

推荐下载 **compact_uint16** 完整 NumPy 训练包。当前清单含 **5936 条**（动态 UAV RF 实体 4724 条，历史辅助 1212 条）。统计范围：`committed_on_huggingface`，正在增量上传，尚不是全量完成声明。
完整下载清单：[`compact_uint16/manifests/train.jsonl`](https://huggingface.co/datasets/DaftJun/RFWM/resolve/main/compact_uint16/manifests/train.jsonl)。每行含仓库内路径、字节数、SHA256、城市、物理场景组、版本及训练用途。每个 `.tar.gz` 是可独立读取的完整样本，包含：
- `rss_dbm_uint16.npy`：RSS，逻辑形状 `[30,24,512,512]`，轴为时间、高度、y、x；NumPy Fortran 存储布局用于压缩。
- `quantization.json`：0.01 dB 步长，偏移 32768，无效码 0。解码结果单位仍为 **dBm**。相对现有 centi-dBm 训练数据可精确还原，无额外量化损失，不截断有效值。
- `states.npz`、`array_schema.json`、`heights_m.npy`、`timestamps_s.npy`：保留原训练文件的状态、动作、链路、材料、掩码、属性和字段映射；以实际样本字段为准。
- `visual/bs/`、`visual/topdown/`、`visual/elevated/`：每路 30 张 PNG，共 90 张；`visual/synchronization.json` 含同步时间、相机标定及 UAV 标注。
- `metadata.json`、`config.json`、`state_schema.json`，以及源样本提供的 `actions.json`、`scene_metadata.json`。
- `read_sample.py` 和转换校验记录。仅需 NumPy，无需 HDF5 插件。
```python
from read_sample import load_rss
rss_dbm = load_rss("extracted_sample", frames=slice(0, 5))
# float32 dBm；无效位置 NaN。解码必须先转有符号整数，避免 uint16 下溢。
```
30 帧时间通常为 0–29 s，具体以 `timestamps_s.npy` 为准；高度逐样本采样，以 `heights_m.npy` 为准。先解压后可 mmap 读取存储数组；读取完整解码 RSS 约需 720 MiB 内存，训练时可按帧/片段加载。
所有发布样本为训练集；当前不提供独立测试集。同一物理场景的不同格式、版本或重试不能算独立场景，分组请使用 `physical_episode_group`。历史辅助样本的光学 UAV 不意味着原 RF 中有 UAV 实体；主训练与历史辅助清单分别为 `dynamic_rf_train.jsonl` 和 `legacy_aux_train.jsonl`。
地图主要为真实建筑轮廓挤出几何，部分高度为估计；视觉为合成渲染，不是真实照片。材料参数包含合成分组与动态变化，不是逐栋实测材料。固定预算单次 RT 样本不做统计置信度验证，具体读取 `qa_protocol`、`confidence_evaluated` 和逐样本 metadata。转换校验只验证存储往返、状态及视觉同步，不声称重新验证 RT 的物理误差。
本仓库是完整 uint16 NumPy 训练包的第二发布仓库，源仓库为 [PATIENTHZ/low-altitude-rf-worldmodel](https://huggingface.co/datasets/PATIENTHZ/low-altitude-rf-worldmodel). 两个仓库相同 record_id 的训练包保持相同 SHA256；不要跨仓库重复计数。 本仓库不包含源仓库旧版 float32 存储版本；服务器原始 RF 归档继续保留。

	---
	language:
	- zh
	- en
	task_categories:
	- other
	tags:
	- radio-propagation
	- world-model
	- sionna
	- multimodal
	pretty_name: Low-altitude RF world-model training episodes
	---

	# Low-altitude RF world-model training data

	推荐下载 compact_uint16 完整 NumPy 训练包。当前清单含 5936 条（动态 UAV RF 实体 4724 条，历史辅助 1212 条）。统计范围：`committed_on_huggingface`，正在增量上传，尚不是全量完成声明。

	完整下载清单：[`compact_uint16/manifests/train.jsonl`](https://huggingface.co/datasets/DaftJun/RFWM/resolve/main/compact_uint16/manifests/train.jsonl)。每行含仓库内路径、字节数、SHA256、城市、物理场景组、版本及训练用途。每个 `.tar.gz` 是可独立读取的完整样本，包含：

	- `rss_dbm_uint16.npy`：RSS，逻辑形状 `[30,24,512,512]`，轴为时间、高度、y、x；NumPy Fortran 存储布局用于压缩。
	- `quantization.json`：0.01 dB 步长，偏移 32768，无效码 0。解码结果单位仍为 dBm。相对现有 centi-dBm 训练数据可精确还原，无额外量化损失，不截断有效值。
	- `states.npz`、`array_schema.json`、`heights_m.npy`、`timestamps_s.npy`：保留原训练文件的状态、动作、链路、材料、掩码、属性和字段映射；以实际样本字段为准。
	- `visual/bs/`、`visual/topdown/`、`visual/elevated/`：每路 30 张 PNG，共 90 张；`visual/synchronization.json` 含同步时间、相机标定及 UAV 标注。
	- `metadata.json`、`config.json`、`state_schema.json`，以及源样本提供的 `actions.json`、`scene_metadata.json`。
	- `read_sample.py` 和转换校验记录。仅需 NumPy，无需 HDF5 插件。

	```python
	from read_sample import load_rss
	rss_dbm = load_rss("extracted_sample", frames=slice(0, 5))
	# float32 dBm；无效位置 NaN。解码必须先转有符号整数，避免 uint16 下溢。
	```

	30 帧时间通常为 0–29 s，具体以 `timestamps_s.npy` 为准；高度逐样本采样，以 `heights_m.npy` 为准。先解压后可 mmap 读取存储数组；读取完整解码 RSS 约需 720 MiB 内存，训练时可按帧/片段加载。

	所有发布样本为训练集；当前不提供独立测试集。同一物理场景的不同格式、版本或重试不能算独立场景，分组请使用 `physical_episode_group`。历史辅助样本的光学 UAV 不意味着原 RF 中有 UAV 实体；主训练与历史辅助清单分别为 `dynamic_rf_train.jsonl` 和 `legacy_aux_train.jsonl`。

	地图主要为真实建筑轮廓挤出几何，部分高度为估计；视觉为合成渲染，不是真实照片。材料参数包含合成分组与动态变化，不是逐栋实测材料。固定预算单次 RT 样本不做统计置信度验证，具体读取 `qa_protocol`、`confidence_evaluated` 和逐样本 metadata。转换校验只验证存储往返、状态及视觉同步，不声称重新验证 RT 的物理误差。


	本仓库是完整 uint16 NumPy 训练包的第二发布仓库，源仓库为 [PATIENTHZ/low-altitude-rf-worldmodel](https://huggingface.co/datasets/PATIENTHZ/low-altitude-rf-worldmodel). 两个仓库相同 record_id 的训练包保持相同 SHA256；不要跨仓库重复计数。本仓库不包含源仓库旧版 float32 存储版本；服务器原始 RF 归档继续保留。