若人工智能要从聊天框走向客厅，需更好地理解空间与物体。为此，艾伦人工智能研究所创建了一个庞大且多样化的3D模型数据库，涵盖日常物品3D模型，使AI模拟更贴近现实。
模拟器本质上是代表机器人或AI需导航、理解的真实地点的3D环境。但与现代主机游戏不同，训练用模拟器远非照片级真实，往往缺乏细节、变化或交互性。
Objaverse：丰富多元的3D模型库
Objaverse旨在通过收集超80万个（且持续增长）带元数据的3D模型改善这一状况。涵盖物品类型多样，从食物、桌椅到电器和小工具，家庭、办公室或餐厅中常见的普通物品均有体现。
其目的是取代ShapeNet等陈旧物体库——后者仅含约5万个细节较少的模型。若AI只见过无图案颜色的通用灯具，便难以识别造型奇特的切割玻璃灯。Objaverse包含常见物体的多种变体，助模型学习定义特征，适应差异。
AI助手或许无需判断书架是否属“中世纪”风格，但应能区分剥皮与未剥皮的香蕉。细节的重要性不容忽视。
照片级真实与动态交互
使用摄影测量法拍摄的照片级真实图像，带来了显著的多样性与真实感。例如，床虽大致相同，但未整理的床却各不相同。
让物体动画化以执行“主要功能”同样关键。了解冰箱、橱柜、书、笔记本电脑或车库门开关时的状态是一回事，但它们如何从A状态变为B状态？若AI模型未获此信息，很难自行推断。
更多数据集特性与细节，可参阅AI2相关论文。研究人员现可通过Hugging Face免费使用该数据集。