cobot-atlas

cobot-atlas是一个大规模3D网格数据集，包含2,023个独特的glTF 2.0 Binary格式的3D网格，涵盖工业组件、几何基元、家居用品、YCB基准对象、机器人硬件等类别，专为协作机器人仿真、VLA模型训练和机器人基准测试设计。Cobot-Atlas is a large-scale 3D mesh dataset comprising 2,023 unique 3D meshes in glTF 2.0 Binary format. It covers categories including industrial components, geometric primitives, household items, YCB benchmark objects, and robotic hardware, and is specifically designed for collaborative robot simulation, VLA model training, and robotic benchmarking.

原始信息汇总

数据集概述

cobot-atlas 是一个大规模三维网格数据集，专为机器人仿真、操作研究和具身人工智能设计。

基本信息

• 规模：2,023个独特三维网格（以glTF 2.0 Binary格式存储），共计2,024个GLB文件，总大小33.5 GB。
• 许可协议：MIT许可。
• 托管平台：Hugging Face，地址为 torusprime/cobot-atlas。
• DOI：数据集DOI为 10.57967/hf/9199；生成管道DOI为 10.5281/zenodo.20697491。

类别与分布

数据集涵盖工业组件、几何基本体、家居物品、YCB基准对象、机器人硬件等多个类别，具体分布如下：

类别	数量	示例
工业零件	734	集成电路、连接器、轴承、齿轮、电机、传感器、紧固件
几何基本体	228	不同颜色的立方体、球体、圆柱体、圆锥体、环面
家居物品	179	厨房用具、容器、瓶子、家具
操作对象	163	堆叠块、插销孔、汉诺塔、形状分类器
机器人部件	88	机械臂、夹爪、深度相机、移动底盘
YCB对象	72	芥末瓶、午餐肉罐、饼干盒、碗、杯子
食品	66	水果、蔬菜、预制食品
其他24个类别	493	织物、工具、玩具、车辆、实验室设备、医疗用品、艺术耗材
总计	2,024

用途

• 协作机器人仿真。
• VLA（视觉-语言-动作）模型训练。
• 机器人基准测试。

相关资源

• 生成管道：本GitHub仓库（sepahead/cobot-atlas）包含用于生成数据集的脚本、清单和工具，支持使用python scripts/generate_meshes.py和python scripts/verify_and_document.py命令生成和验证网格。
• 同系列项目：relief-atlas，包含10,000多个用于灾害救援和人道援助的三维网格。

引用

数据集引用： bibtex @misc{sepehr_mahmoudian_2026, author = {Sepehr Mahmoudian}, title = {cobot-atlas (Revision 425eef2)}, year = 2026, url = {https://huggingface.co/datasets/torusprime/cobot-atlas}, doi = {10.57967/hf/9199}, publisher = {Hugging Face} }

管道引用： bibtex @software{cobot_atlas_code_2026, author = {Mahmoudian, Sepehr}, title = {cobot-atlas: Generation Pipeline}, year = {2026}, publisher = {Zenodo}, doi = {10.5281/zenodo.20697491}, url = {https://doi.org/10.5281/zenodo.20697491} }

搜集汇总

数据集介绍

构建方式

在机器人仿真与具身智能研究领域，高质量的三维网格数据集是推动算法发展的基石。cobot-atlas数据集的构建采用了一套创新的流水线，该流水线集成于GitHub仓库中，通过结合文本到图像与图像到三维的生成技术，实现了从文本描述到三维模型的自动化生产。具体而言，研究人员首先在清单文件中定义每个物品的属性和提示词，随后利用fal.ai等生成式AI服务将文本提示转换为图像，再通过图像到三维模型模块生成glTF 2.0 Binary格式的网格文件。这一过程不仅生成了GLB网格，还附带参考PNG图像和元数据，确保了数据集的完整性和可追溯性。

特点

cobot-atlas数据集以其规模庞大与类别多样而著称，共包含2,024个独一无二的三维网格，总容量达33.5 GB，并采用MIT开源许可发布。数据集的构成跨越工业组件、几何基元、家居用品、YCB基准对象、机器人硬件等数十个细分类别，其中工业部件占比最高，达734个，涵盖芯片、连接器、轴承、齿轮、电机等关键元件。此外，数据集还收录了操作任务相关的堆叠积木、孔销配合、汉诺塔等特殊物品，为机器人操作研究提供了精准的仿真素材。其基于生成式AI的构建策略使得数据集的扩展性极强，能够灵活应对新兴研究需求。

使用方法

使用cobot-atlas数据集时，研究者可借助GitHub仓库提供的脚本工具进行高效操作。用户需先通过pip安装fal-client和requests等依赖库，随后运行generate_meshes.py脚本，依据预制清单文件批量生成网格模型。生成的GLB文件可直接导入机器人仿真环境，支持视觉语言动作模型训练和基准测试。为进一步保障数据质量，仓库还提供了verify_and_document.py脚本，用于校验输出结果与清单的一致性，并自动生成文档记录。数据集的完整内容托管于Hugging Face平台，用户可通过指定标识符直接下载全部GLB文件，无缝集成至各类研究和工作流中。

背景与挑战

背景概述

在机器人仿真、操作研究与具身智能领域，高质量的三维网格数据集是驱动算法迭代与模型泛化的关键基石。cobot-atlas数据集由Sepehr Mahmoudian于2026年创建，以大规模、多样化的三维模型集合为核心，涵盖工业组件、几何基元、家居物品、YCB基准物体及机器人硬件等2,023个独特网格，并采用glTF 2.0 Binary格式，为协作机器人仿真、视觉-语言-动作模型训练及机器人基准测试提供了丰富的数据支撑。该数据集的发布，显著弥补了现有数据集在工业与日常场景覆盖面上的不足，促进了仿真环境到真实世界的迁移研究，在相关领域产生了重要的影响力。

当前挑战

cobot-atlas所面对的挑战首先在于解决机器人操作与仿真研究中三维模型多样性与真实感不足的难题，传统数据集往往局限于特定场景或有限类别，难以支撑复杂任务如精细操作与泛化学习。数据集构建过程中，需应对从文本到图像再到三维网格的生成管线中存在的质量波动、几何一致性缺失及纹理保真度问题；同时，确保2,023个网格在格式统一性、物理合理性及标注准确性上满足机器人应用需求，如碰撞检测与抓取规划。此外，大规模数据的存储与高效分发，以及跨领域类别平衡的维护，均是构建过程中的严峻考验。

常用场景

经典使用场景

在机器人仿真与具身智能研究领域，cobot-atlas作为大规模三维网格数据集，其最经典的使用场景是为协作机器人提供多样化的交互对象模型。该数据集涵盖了工业组件、几何基元、家庭用品、YCB基准物体及机器人硬件等2,024个高质量GLB网格，能够直接用于搭建仿真环境中的物体库，支持抓取、堆叠、装配等典型操作任务的物理模拟与视觉渲染。研究人员可利用这些网格快速构建具有丰富物体类别与几何复杂度的虚拟场景，评估机器人在不同物体属性下的感知与操控能力。

衍生相关工作

基于cobot-atlas，衍生出一系列推动机器人仿真与具身智能发展的经典工作。研究者利用其工业组件网格构建了针对柔性抓取和精密装配的基准测试集，评估了不同吸盘与夹爪设计在几何复杂工件上的成功率。另一项衍生工作围绕YCB物体子集，构建了视觉-触觉融合训练的仿真环境，验证了多模态感知对抓取稳定性的提升。此外，该数据集还与开源机器人学习框架集成，生成了用于VLA模型微调的专家演示轨迹数据，显著提高了模型在未见物体上的零样本操作能力。

数据集最近研究

最新研究方向

随着具身智能与视觉-语言-动作（VLA）大模型的迅猛发展，大规模、高质量的三维网格数据集成为机器人仿真与操作研究的核心基石。cobot-atlas数据集应运而生，提供涵盖工业部件、几何基元、家居物品、YCB基准对象及机器人硬件在内的2,023个独特3D网格，填补了协作机器人仿真与操作基准测试中多样性与规模化之间的鸿沟。该数据集不仅直接服务于机器人抓取、堆叠、插销等精细操作任务的仿真训练，还为VLA模型的场景理解与物理交互建模提供了丰富的三维资产。其生成流程基于文本到图像再到3D重建的管线，代表了数据合成的前沿范式，大幅降低了真实世界数据采集的成本与门槛。cobot-atlas的发布，正与当前人形机器人、具身智能体以及工业自动化升级等热点技术浪潮紧密呼应，为构建更通用、更鲁棒的机器人学习系统奠定了坚实的数据基础。