外观
Skip to content
概述
这套数据集的采集方式、多模态结构、存储格式与适用任务。
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。
关键规格与模态
数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。
- 采集方式
- 遥操作
- 开源协议
- cc-by-nc-sa-4.0
- 传感器模态
- 视频三维
- 标注粒度
- 三维标注
- 存储格式
- Parquet
暂未公开或待收录：总时长 · 演示轨迹数 (Episodes)
数据下载与加载代码
通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。
# 使用 Hugging Face CLI 下载数据集
huggingface-cli download Voxel51/SceneFun3D --repo-type dataset --local-dir ./data/voxel51-scenefun3d
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("Voxel51/SceneFun3D")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")关联采集机型与策略模型
采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。
尚未收录关联机型或引用它的模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face datasets Voxel51/SceneFun3D访问 2026-10-21