MetaScenes：面向真实世界三维扫描的自动化副本创建

具身人工智能（EAI）研究需要高质量、多样化的三维场景，以有效支持技能获取、从仿真到现实的迁移以及泛化。然而，达到这些质量标准需要精确复制真实世界的物体多样性。现有数据集表明，这一过程严重依赖艺术家驱动的设计，这需要大量人力，并面临显著的可扩展性挑战。为了可扩展地生成逼真且可交互的三维场景，我们首先提出了MetaScenes，这是一个从真实世界扫描构建的大规模、可仿真的三维场景数据集，包含跨越831个细粒度类别的15366个物体。然后，我们引入了Scan2Sim，一个鲁棒的多模态对齐模型，它能够实现资产的自动化高质量替换，从而消除了在扩展三维场景时对艺术家驱动设计的依赖。我们进一步提出了两个基准来评估MetaScenes：一个专注于机器人操作的小物体布局的详细场景合成任务，以及一个视觉与语言导航（VLN）中的领域迁移任务，以验证跨领域迁移。结果证实了MetaScene通过支持更具泛化能力的智能体学习和从仿真到现实的应用来增强EAI的潜力，为EAI研究带来了新的可能性。项目网站：https://meta-scenes.github.io/。