relations

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。 当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集 本数据集专为多智能体协作感知场景下的3D关系识别任务设计，旨在支撑基于大语言模型（LLM）的多Agent系统在三维场景中自动抽取物体间空间与语义关系的研究。与传统的单一模型端到端预测不同，本系统采用多个专职Agent（如感知Agent、空间推理Agent、逻辑验证Agent）协同工作，从重建后的3D数据中逐步识别出物体间的复杂关联。 数据集完整记录了整个识别流程的中间产物与最终输出，既可用于评测多Agent协作的推理准确率，也能衡量系统的运行效率，为实际部署提供宝贵参考。 系统流程与文件结构 系统接收3D重建完成的场景数据，随后依次执行物体检测、布局估计、姿态优化和关系抽取。整个过程结束后，会输出五类核心文件，每一类代表流水线中的一个关键环节： 文件类别 说明 unposed_objects 存储原始物体检测结果，包括2D/3D分割产生的边界框提案和类别置信度，此时物体尚未获得相机或世界坐标系下的位姿信息。 layout_params 记录场景级的布局参数，如地平面方程、房间包围盒、全局坐标系的校准数据，用于将各物体锚定到统一的场景参考系。 objects 提供最终的实例级3D物体数据，包含滤波后的点云、优化后的6自由度位姿（旋转+平移），以及经多Agent投票融合后的语义特征。 relations 核心标注文件，存储识别出的物体间关系三元组（主体，谓词，客体），并附有置信度分数及Agent推理过程的文本解释链。 time 专用性能日志文件，记录端到端系统耗时——即从3D重建完成那一刻起，到多Agent系统完成全部关系提取并输出结果所消耗的总时间（以秒为单位）。该指标对评估多Agent系统在实时场景中的可行性至关重要 #### 下载方法 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}