本数据集专为训练在酒店环境中执行服务的机器人而设计，重点提升其在高标准、结构化且需保障客人隐私的空间中的任务执行、人机协作与环境适应性。数据集精细构建了标准酒店客房及其外部走廊的完整三维环境。场景内包含床（含床品）、床头柜、衣柜、书桌、座椅、窗帘、灯具、挂画、电视、迷你冰箱、卫生间入口等标准配置。我们特别模拟了酒店场景的高标准化布局（如床与床头柜的相对位置）、多种客房状态（如“已清洁”、“入住中”、“勿扰”）、以及动态出现的障碍物（如客人的行李箱、打开的衣柜门），以全方位复现真实酒店服务过程中机器人可能面临的各种情况
本算法旨在处理三维模型，通过一系列步骤实现模型的分割、实例重组及格式转换，以生成新的实例模型，用于场景渲染和机器人训练等应用。 1.模型分割：本步骤接收任意初始三维模型作为输入，三维模型包括位置、尺寸、材质、顶点信息、法相信息、面片信息字段，运用拓扑连通性聚类算法将该组合模型拆分为多个面片组（face group），获取模型类型字段。此步骤有效提取模型的结构特征，有助于后续的实例重组。 2.模型实例重组：在此步骤中，对三维模型的位置、尺寸、材质、顶点信息、法相信息、面片信息字段进行分割，再利用Qwen-VL-Max和GroundingDino算法对分割后的部件进行组合，形成独立的模型实例，并获取其中的标签字段。标签字段能够使每个模型实例能够基于原模型的结构和信息进行识别和应用。 3.模型格式转换：本步骤将拆分获得的实例模型及其对应的材质信息转换为OpenUSD格式，并获取其中的碰撞体设置信息字段和动画约束信息字段，以使模型能够在场景中动起来。 通过以上步骤，将原本数据库中的模型进行重组，生成新的实例模型，并被组装成一个完整的场景，以满足场景渲染、机器人训练等多个应用需求。
| 字段名 | 类型 | 描述 |
|---|---|---|
编号 |
-- | -- |
标签 |
-- | -- |
服务可及性 |
-- | -- |
隐私等级 |
-- | -- |
客人财产标识 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 编号 | "hkr.bedside_table_std_2023" |
| 标签 | "智能窗帘" |
| 服务可及性 | “台面放置物品” |