# SceneFun3D

> 权威词条地址：https://robotics.hellobike.com/datasets/voxel51-scenefun3d
> 所属分类：datasets | 最近核验日期：2026-06-29 | 技术层级：L6

## 核心摘要

Voxel51 在 Hugging Face 发布的机器人数据集，规模 n<1K。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L6"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/datasets/Voxel51/SceneFun3D"}] |
| `updated` | 2026-06-29 |
| `modalities` | ["视频", "三维"] |
| `annotation_levels` | ["三维标注"] |
| `formats` | ["Parquet"] |
| `license` | cc-by-nc-sa-4.0 |
| `collection` | teleop |
| `hub_id` | Voxel51/SceneFun3D |
| `hub_stats` | {"downloads": 1823, "likes": 11, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/datasets/Voxel51/SceneFun3D"] |
| `fps` | 10 |

## 技术详解与生态说明

SceneFun3D 是面向 3D 场景理解的数据集，使用高分辨率 Faro 激光扫描点云采集室内环境，并密集标注细粒度功能交互元素，如 handles、knobs、buttons、switches 等，同时包含 affordance、运动参数和自由形式任务描述。每个场景还配有多段 iPad 视频序列，包含 RGB、深度、相机位姿和内参。

该 FiftyOne 版本是 grouped multimodal 数据集：一个 scene group 包含 FO3D 激光扫描点云，以及每段 iPad 录制对应的视频 slice。视频帧带有深度 Heatmap、相机 pose、intrinsics，3D 功能元素会投影为 2D detections 和 keypoints，并通过 fo.Instance 链回 3D boxes。完整数据集包含 710 个真实室内场景、14,867 个功能交互元素标注、9 类 affordance、14,279 个元素的运动参数和 10,913 个元素的自然语言任务描述。

该构建从 train、val、test 各采样 10 个场景，共 30 个场景；test split 的功能标注由 benchmark 保留，因此没有 functional_elements、tasks 和投影功能标签。数据可在 FiftyOne App 中加载和可视化，适用于 3D 点云中的交互部件检测/分割、affordance grounding、基于任务的 3D 定位、运动估计，以及机器人和具身智能中的操作目标选择研究。许可为继承自 ARKitScenes 的非商业研究使用 CC BY-NC-SA 4.0。

## 原始核验来源 (Sources)

- [Hugging Face datasets Voxel51/SceneFun3D](https://huggingface.co/datasets/Voxel51/SceneFun3D)