arXiv cs.AI· Mohammad Sadegh Salehi, Alexander J. P. Perkins, Igor Pardo Maurell, Ashkan Dabbagh, Raymond Wong·· 13 小时前AI 评分31
AmaraSpatial-10K：面向空间计算与具身 AI 的空间和语义对齐 3D 数据集
AmaraSpatial-10K: A Spatially and Semantically Aligned 3D Dataset for Spatial Computing and Embodied AI
AI 导读
AmaraSpatial-10K 发布 10,071 个标准化合成 3D 资产，每个以公制缩放、确定性锚定的 .glb 交付，含分离 PBR 贴图、凸碰撞体、参考图像和多句文本元数据。
正文 · AI 翻译
摘要：网络规模的 3D 资产集合数量丰富，但很少能在不经清理的情况下直接使用，它们存在任意公制缩放、枢轴点错误、几何脆弱和纹理不完整等问题，这些缺陷限制了它们在具身 AI、机器人技术和空间计算中的应用。我们提出 AmaraSpatial-10K，这是一个包含 10,071 个合成 3D 资产的数据集，经过标准化处理，可直接使用。每个资产都以公制缩放、确定性锚定的 .glb 形式提供，包含分离的 PBR 贴图、凸碰撞外壳、配对的参考图像以及多句文本元数据。除数据集外，我们还为 3D 资产库引入了一套可复用的评估套件，包括连续的尺度合理性评分（SPS）、基于关键词的概念密度指标、锚点误差审计以及跨模态 CLIP 一致性协议，并将其应用于 AmaraSpatial-10K 以及 Objaverse、HSSD、ABO 和 GSO 的匹配子集。我们独立于生成标注的 LLM/VLM 流程对标注进行了核查：实测 ABO 物体高度落在我们尺度区间内的比例为 88.7-90.7%，三位非作者评分者对 314 个资产的分层样本进行审计，判定 95.5% 的资产尺度合理、99.7% 的资产锚定正确。AmaraSpatial-10K 的 CLIP Recall@5 相比 Objaverse 提升 3.4 倍（0.612 对 0.181，中位排名 267 -> 3），在 Habitat-Sim 的静态放置和碰撞测试中达到 99.1% 的稳定沉降率，每次加载的实际耗时约降低 20 倍，并且作为可直接替换的 Holodeck 资产库，改善了规划尺度匹配，在 40 个配对场景中有 27 个被盲测人类评分者所偏好。在同一资产库上进行的受控消融实验将检索增益归因于描述的丰富程度。
| 评论： | 被 NeurIPS 2026 接收（评估与数据集方向） |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2604.23018 [cs.CV] |
| （或 arXiv:2604.23018v3 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.23018 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mohammad Sadegh Salehi [查看邮箱]
[v1]
2026 年 4 月 24 日星期五 21:09:25 UTC（8,006 KB）
[v2]
2026 年 5 月 13 日星期三 14:15:44 UTC（10,220 KB）
[v3]
2026 年 10 月 26 日星期一 19:47:13 UTC（10,224 KB）
来源：arXiv cs.AI · arxiv.org