一家家居公司，为什么开源了10万平方米的家庭仿真数据集- 大数跨境

首页

一家家居公司，为什么开源了10万平方米的家庭仿真数据集

机器人产业应用

2026-10-22

导读：尚品宅配×汤元科技发布 WorldSimReady-Home 数据集

作者：韩亦鸣

这两年，为了给机器人攒训练数据，行业想了不少办法。

全国陆续建起众多数采场，采集员遥操作机器人反复完成操作；各类数采工具快速迭代，利用夹爪、数采手套、UMI、EGO等设备，在家庭、工厂真实场景采集人类操作数据；还有仿真路线绕开真机，在虚拟场景中批量生成任务轨迹。

日前，做定制家具的尚品宅配也跨界具身智能行业，和一家叫汤元科技的仿真数据公司合作，走了一条不同的路线：把家居行业已经积累多年的户型、家具和空间设计文件，改造成机器人可以使用的仿真数据。

双方此次联合发布了面向家庭服务机器人的 WorldSimReady-Home 数据集，在自家平台、HuggingFace 和魔搭同步免费开放。按照双方公布的数据，数据集包括10万平方米高保真家居场景、1万个可交互物体资产、1000条标准化仿真任务demo。

做家居的把自家设计库改造成机器人训练素材对外开源，这在国内是头一回。

这件事真正值得聊的，倒不只是又多了一个数据集，而是提供了一条数据生产的新路径：传统行业压箱底的三维数字资产，加工一下就能变成具身智能的训练数据。当然，这条新路径效果如何，要先弄清楚两件事，一是这些数据怎么加成机器人训练数据，二是宣传口径和仓库里实际能下载到的东西之间的差距有多少？

看货，宣传数字和仓库实数，是两套账

10万平方米高保真家居场景（USD格式）、1万个可交互资产、1000条机器人仿真任务，官方称这是国内最大规模的"场景+资产+任务"仿真数据集，且只是"种子"，靠布局、物体、材质、任务条件的多维变换可以泛化生成上万个家庭场景。

再报HuggingFace仓库的实测统计，这是任何人打开README就能看到的数字：家居场景500个、房间4,462个、物体摆放记录31,711条，场景总面积36,601.61平方米——不到宣传口径的一半。

任务数据是实打实的1,000条机器人轨迹，累计131.6万帧、12.18小时，30Hz采样、640×480 RGB-D，格式对齐了Open X-Embodiment的RLDS，任务示例是宇树G1机器人抓取放置这类操作。

两套数字该怎么理解？一种可能的解释是10万平方米指已转化完成的数据储备，现在首期实际上线的只有一部分。但作为使用者，能下载到什么才是硬口径，这个差距值得写进任何基于该数据集做训练的决策里。

还有一个容易被忽略的细节：数据集许可证是 CC BY-NC-SA 4.0，也就是禁止商用。免费开放不等于可以随便拿去做产品，想商用需要另外谈授权——这一点直接关系到后面要说的商业逻辑。

为什么是家居公司先跑出来

家庭服务机器人的目标场景就是普通住宅，而尚品宅配干了三十多年家装，企业称已经沉淀超300万真实户型和3000万套设计方案。每一套户型方案本身就带房屋结构、家具尺寸、材质语义，原始设计文件的几何精度天然是毫米级的。

传统做仿真数据集，要建模团队从零搭一个个房间，费人费力。家装设计库相当于把场景设计和几何建模早早提前完成，汤元科技要做的只是后半段：补上质量、摩擦、阻尼、关节、碰撞体这些机器人仿真必需的物理参数，把设计文件转成USD格式，再配上任务标注。

汤元科技自称这套管线每天能产出近千个SimReady场景，效率较传统方案提升千倍、成本降九成——这是公司口径，没有第三方验证，但方向上说得通：存量资产转化确实比从零建模便宜得多。

不过不是什么数字资产都能这么转化，得同时满足三个条件：有结构化的几何和语义沉淀，而不是效果图；场景是机器人能落地的环境；原始文件格式可解析、能补物理参数。

照这个标准看，家居家装之后，传统行业的建筑BIM、商业综合体、医院基建的数字化档案都有类似潜力。但它们也都卡在同一道坎上。

样板间问题：这类数据天生偏"整洁"

装修过的都知道，样板间和生活起来的真实家庭环境差距有多大。

因此，家装设计库有个绕不开的先天短板：它输出的是理想化的样板间。而真实家庭里随处可见的杂物堆放、物品移位、家具磨损、线缆缠绕，设计库里都没有——毕竟没人会把随手放的快递箱画进装修方案里。

仿真里是样板间，现实家庭永远是无序的。这意味着这批数据的分布和真实家庭存在系统性偏移，几何做得再准，也只是把"理想家庭"还原得很准。补救办法行业里也有：在仿真里做域随机化，人为加杂物、加扰动、加光照变化，把整洁场景做脏。但这属于后处理，改不了源头数据的基因。

仿真和真机数据，不是二选一

当下具身智能拿数据的主流方式还是真机数采：搭实体场地，雇遥操作员操控机器人录演示。好处是传感器噪声、物理接触全部真实，缺点是场地和人力都贵，场景扩张慢，危险和罕见的边角案例基本采不到。

仿真数据路线反过来：单卡就能并行跑大量episode，边际成本极低，场景可以无限铺，极端案例可以批量造。但仿真的死穴是Sim2Real鸿沟——仿真里练出来的策略，上真机往往明显掉分。

这两条路线的实际关系是配比互补：仿真负责场景广度，真机负责真实性校准。

比较现实的资源分配是大规模仿真预训练，再配一小批高质量真机数据做域适应微调。WorldSimReady-Home这类数据集能大幅压低"场景多样性"这一项的成本，但替代不了最后那步真机对齐——完全靠仿真训练的模型放进真实家庭。

会不会“仿真高分，真机翻车”？最终效果还是要看模型用过这些数据后上真机能否有稳定、可复现的提升。

毫米级、99%、95%，只是入门指标

这个数据集公布了三个质量指标：几何精度毫米级、语义与材质准确率99%以上、关键物理属性准确率95%以上。先说明，这三个数字均为企业披露口径，未见第三方复现。

更关键的是，这组指标衡量的只是数据集对原始设计文件的还原程度，属于数据集本体评测。它不直接等于机器人在这些场景里抓取、导航的成功率，更不等于迁移到真机后的性能增益。比如语义标注全对、几何毫米级，但摩擦系数和柔性形变和现实差得远，训练出来的策略照样上不了真机。

对仿真数据集来说，完整的评测链条应该是两层：第一层数据集本体指标，第二层下游任务——先测仿真内任务成功率，再测真机部署后的提升幅度。眼下绝大多数仿真数据集（包括这份）只做了第一层。所以对这套数据的合理预期是：它是高质量的"数字样板间底座"，但含金量最终要等有人用它训出策略、上了真机才见分晓。

WorldSimReady-Home的价值，不在于它本身有多大——仓库实测不到宣传口径一半的面积、12个小时的轨迹数据，单看体量并不惊艳。它真正的意义是给行业演示了一条路径：具身智能的训练数据不必全部依赖"自建场地+雇人遥操"，传统行业沉淀多年的三维数字资产，加工后也能变成仿真底座，而且在家居之外，厂房、医院、商场等场景都有同款想象空间。

但边界也要说清楚。样板间式的场景分布、客观存在的Sim2Real鸿沟、只有本体层评测没有下游验证的指标体系、禁商用的许可证，这些决定了它现在是工具而不是特效药。

至于"传统行业会不会成为具身智能被低估的数据供给侧"——这件事至少已经被摆上了牌桌，至于成色如何，要看接下来有没有团队真用它训出能落地的策略。

连界创新

推荐阅读

产业应用场景

·出海！中国具身智能企业在全球市场大“杀”四方！

·比人形更快进入家庭？具身智能宠物机器人迎爆发！

·文娱巨星！人形机器人“表演大乱斗”，谁赢了？

·商业导览成具身智能商业化破局点？

·巡检机器人之困，场景刚需，但这一问题亟待解决

机器人本体企业

·仿生机器人=伴侣机器人？一文为仿生机器人正名！

·乐聚Taskor，为人形机器人规模化进厂按下“快进键”

·具身智能争霸赛打响！四大核心区都有哪些“扛把子”？

·CES 2026｜星动纪元携人形机器人家族亮相

·智元CES放大招！开源Genie Sim 3.0强的可怕！

供应链动态

·零部件企业跨界突围！这些企业上大分！

·夺取物理世界的入场券：具身智能操作系统拆解

·人形机器人关节生死局：执行器路线之争与技术博弈

·灵巧手赛道“激战”，新老玩家各执什么王牌？

·开源数据集图鉴！这份具身智能“军火库”请查收

【声明】内容源于网络

机器人产业应用

由连界创新具身智能中心发起，以场景应用为导向，专注具身领域科技与产业的链接。我们将围绕投资+服务双轮驱动，为科技增长赋能。业务涵盖垂直行业峰会/沙龙、私董会、标杆走访，具身智能行业研究报告与咨询，产业生态系统搭建等。

内容 598

粉丝 0

机器人产业应用由连界创新具身智能中心发起，以场景应用为导向，专注具身领域科技与产业的链接。我们将围绕投资+服务双轮驱动，为科技增长赋能。业务涵盖垂直行业峰会/沙龙、私董会、标杆走访，具身智能行业研究报告与咨询，产业生态系统搭建等。

总阅读7.3k

粉丝0

内容598