用于室内全业态仿真构建数据

本数据集聚焦于混合家居、商超与仓储三类典型室内场景的综合仿真环境，旨在为机器人训练和场景渲染等应用提供高保真数据。每个场景均以USD格式封装：家居场景涵盖客厅、卧室、厨房，采用日间自然光照明，模型包括抽屉等可交互部件；商超场景包含货架区、收银台、冷柜区，采用日光灯管照明，货架层板等模型标注了部件级信息；仓储场景包含高位货架、托盘区、叉车通道，采用高天棚灯照明，叉车属具等模型具备部件级交互标注。所有场景均完成实例分割清洗与精准语义标注，并通过矩形灯光与混合光照模拟真实环境的动态复杂性。该数据集可直接用于家居、商超与仓储环境下的机器人导航与操作训练、以及三维场景的实时渲染。将酷家乐方案转换为NVIDIA为机器人仿真准备的通用场景描述（OpenUSD）资产，包含了传感器、黄金网格、光照、物理材质、碰撞体、关节驱动等信息，数据资产以.usda存放，由NVIDIA官方提供的Isaac Sim提供可视化/仿真能力。本算法旨在处理三维模型（如家居中的桌椅橱柜、商超中的货架与冷柜、仓储中的高位货架与叉车等），通过模型分割、实例重组及格式转换生成新的实例模型，用于仿真家居、商超与仓储等场景的渲染和机器人训练。首先，模型分割阶段接收包含位置、尺寸、材质、顶点、法向、面片等信息的任意初始三维模型，运用拓扑连通性聚类算法将其拆分为多个面片组并提取模型类型字段，有效提取家具、货架或叉车部件的结构特征；随后，模型实例重组阶段对上述字段进行分割，利用Qwen-VL-Max和GroundingDino算法将分割后的部件组合成独立的模型实例（如将抽屉与柜体分离重组、将货架层板与立柱重组、将叉车属具与车体重组），并为每个实例赋予标签字段，使其能够基于原模型的结构和信息被准确识别，便于在混合场景中布局与应用；最后，模型格式转换阶段将拆分后的实例模型及其材质信息转换为OpenUSD格式，并获取碰撞体设置与动画约束信息，使模型能够在场景中动态交互（如家居抽屉开合、商超冷柜门开关、仓储叉车升降）。通过以上步骤，原本数据库中的模型被重组为新的实例模型，并可组装成完整的家居、商超或仓储三维场景，从而满足场景渲染与机器人训练（如机器人抓取货架商品、叉车仿真作业等）等多方面需求。

搜集汇总

背景与挑战

背景概述

本数据集提供混合家居、商超与仓储三类室内场景的高保真仿真数据，所有场景以USD格式封装并完成实例分割与语义标注，支持机器人导航、操作训练及三维实时渲染。数据通过模型分割、实例重组与格式转换生成具备部件级交互标注的实例模型，可动态模拟抽屉开合、冷柜门开关等交互行为。