EmbodiedScan

收录理由

EmbodiedScan 直击机器人与具身智能领域的一个核心难题：智能体需要从自身第一视角理解三维场景，并将视觉信息与语言指令关联起来。该仓库整合了大规模以自我为中心的数据集，包含超过5000次扫描、百万级RGB-D视角、语言提示、带朝向的三维框以及语义占据信息，并提供了名为 Embodied Perceptron 的基线框架，能够融合任意数量的多模态输入。这套组合既可作为三维感知与视觉定位的评测基准，也附带了可调整的基线模型和评估工具。它属于研究型资源，而非开箱即用的产品：数据集需要申请下载，代码也面向研究流程设计，适合从事机器人感知和具身导航的团队，作为扎实的起点来使用。