AmaraSpatial-10K：面向空间计算与具身 AI 的空间语义对齐 3D 数据集
计算机视觉与模式识别
2026-05-14 v2 人工智能
机器学习
摘要
Web 规模的 3D 资产集合丰富但极少部署就绪， suffer from arbitrary metric scaling, incorrect pivots, brittle geometry, and incomplete textures 等缺陷，限制了其在具身 AI、机器人和空间计算中的应用。我们提出 AmaraSpatial-10K，一个包含 10,000 多个优化以实现零-shot 部署的合成 3D 资产的数据集。每个资产以度量缩放、确定性锚定的 .glb 文件形式提供，包含分离的 PBR 贴图、凸形碰撞 Hull、配对参考图像以及多句文本元数据。数据集附带我们引入的用于 3D 资产库的可复用评估套件，包括连续尺度合理性评分（SPS）、LLM 概念密度指标、锚点误差审计以及交叉模态 CLIP 连贯性协议，并将其应用于 AmaraSpatial-10K 以及与之匹配的 Objaverse、HSSD、ABO 和 GSO 子集。AmaraSpatial-10K 在 CLIP Recall@5 上比 Objaverse 提升 （从 0.612 对照 0.181，中位数排名从 267 降至 3），在 Habitat-Sim 下实现 99.1% 的物理稳定率，并实现约 20 倍的运行时间加速，生成的场景在用作 Holodeck 的即插即用资产库时重合率为零。对同一资产库进行受控消融实验表明，检索性能提升可归因于描述丰富度。
关键词
引用
@article{arxiv.2604.23018,
title = {AmaraSpatial-10K: A Spatially and Semantically Aligned 3D Dataset for Spatial Computing and Embodied AI},
author = {Mohammad Sadegh Salehi and Alex Perkins and Igor Maurell and Ashkan Dabbagh and Raymond Wong},
journal= {arXiv preprint arXiv:2604.23018},
year = {2026}
}