ResPlan

ResPlan是一个包含17,000个结构丰富且真实的住宅平面图的大规模数据集，具有高保真度的建筑元素注释（墙壁、门、窗、阳台）、功能空间标注（厨房、卧室、浴室、客厅），并提供矢量几何和图形结构的双重表示，旨在推动空间AI、机器人和生成建模的研究ResPlan is a large-scale dataset containing 17,000 structurally rich and realistic residential floor plans. It features high-fidelity annotations of architectural elements including walls, doors, windows and balconies, as well as functional space annotations for kitchen, bedroom, bathroom and living room. Additionally, it provides dual representations of vector geometry and graphical structure, aiming to advance research in spatial AI, robotics and generative modeling.

原始信息汇总

ResPlan 数据集概述

数据集基本信息

• 名称：ResPlan
• 规模：17,000个住宅平面图
• 类型：矢量图-图结构数据集
• 数据格式：PKL文件

核心特征

• 高保真度建筑元素标注：包含墙壁、门、窗、阳台
• 功能空间标注：厨房、卧室、卫生间、客厅
• 双重表示形式：矢量几何 + 图结构
• 开源数据处理流程：几何清理、对齐和标注优化

应用领域

• 强化学习
• 机器人导航
• 生成式人工智能
• VR/AR模拟
• 游戏设计

数据集内容

• ResPlan_demo.ipynb：示例Jupyter笔记本，展示如何加载和可视化平面图、转换为栅格掩码、应用增强（旋转、翻转、缩放）以及转换为图表示
• resplan_utils.py：辅助工具，包含几何操作、增强、掩码转换、平面图和图绘制功能
• ResPlan.zip：包含数据集PKL文件的压缩包（需先解压）

使用说明

安装依赖：shapely、geopandas、matplotlib、networkx、numpy、opencv-python 运行ResPlan_demo.ipynb开始使用

引用信息

论文标题：ResPlan: A Large-Scale Vector-Graph Dataset of 17,000 Residential Floor Plans 作者：Mohamed Abouagour, Eleftherios Garyfallidis 期刊：arXiv preprint arXiv:2508.14006 年份：2025 DOI：10.48550/arXiv.2508.14006 论文链接：https://arxiv.org/abs/2508.14006

搜集汇总

数据集介绍

构建方式

在建筑信息数字化领域，ResPlan数据集通过开源流程系统性地收集并处理了17,000个住宅平面图。该流程涵盖几何清洗、空间对齐及语义标注等关键步骤，确保每个平面图均包含高精度矢量几何结构与功能空间划分。数据集采用自动化与人工校验相结合的方式，对墙体、门窗等建筑元素进行结构化提取，并构建对应的图表示，为空间计算研究提供了可靠的多模态数据基础。

使用方法

用户可通过克隆GitHub仓库并安装依赖库（如Shapely、GeoPandas）快速接入数据集。提供的Jupyter示例演示了数据加载、矢量-栅格转换、图结构生成及数据增强等操作。数据集以PKL格式存储，支持直接调用工具函数进行可视化分析或嵌入机器学习管道，适用于强化学习、生成式AI及虚拟仿真等应用场景。

背景与挑战

背景概述

ResPlan数据集由Mohamed Abouagour与Eleftherios Garyfallidis于2025年联合创建，作为大规模住宅平面图向量-图结构数据集，旨在推动空间人工智能、机器人技术与生成模型的研究进程。该数据集包含17,000个高保真住宅平面图，精确标注了墙体、门窗、阳台等建筑元素及功能空间分区，其双模态表征架构为多学科交叉研究提供了重要基础设施，对增强现实、游戏设计与自主导航等领域具有显著影响力。

当前挑战

该数据集致力于解决建筑空间语义理解与结构化生成的复杂性挑战，包括多元素几何关系推理、功能区域逻辑一致性维护以及机器可解释空间拓扑的构建。在数据集构建过程中，需克服原始图纸几何噪声清理、矢量与图结构对齐、以及大规模人工标注质量控制等关键技术难题，确保数据兼具结构丰富性与现实合理性。

常用场景

经典使用场景

在建筑信息模型与空间智能研究中，ResPlan数据集为生成式人工智能提供了高质量的住宅平面图训练素材。研究者利用其矢量-图结构双重表征特性，开发能够自动生成合理空间布局的神经网络模型，这些模型通过学习17,000个真实平面图中的墙体走向、门窗位置及功能分区规律，实现了从抽象设计概念到具体平面方案的智能转换。该数据集尤其支持条件生成任务，例如根据特定房间数量或面积要求生成符合建筑规范的住宅设计方案。

解决学术问题

ResPlan有效解决了空间计算领域缺乏大规模结构化建筑数据的问题，为几何学习与图神经网络提供了标准化的评估基准。其精确标注的墙体几何与功能分区支持学术界研究空间语义理解、路径规划算法以及多模态表示学习等核心课题。通过提供清洁对齐的矢量数据与拓扑图结构，该数据集显著降低了建筑几何数据处理的技术门槛，使得研究人员能够专注于算法创新而非数据预处理，推动了空间人工智能领域的可复现性研究。

实际应用

在虚拟现实与游戏开发领域，ResPlan为环境生成提供了真实可靠的住宅空间模板。开发人员可基于数据集中的平面图快速构建具有物理可行性的室内场景，显著提升虚拟环境的制作效率。机器人导航系统利用其标注的门窗位置与房间连通性信息，训练自主移动机器人的环境感知与路径规划能力。房地产科技公司则借助该数据集开发户型自动分析工具，实现住宅功能分区的智能识别与空间利用率评估。

数据集最近研究

最新研究方向

在建筑信息模型与空间智能交叉领域，ResPlan数据集正推动住宅平面图生成式建模的前沿探索。研究者们利用其矢量-图双重表示特性，开发基于图神经网络和Transformer架构的自动化布局生成系统，显著提升了空间功能合理性与结构连贯性。该数据集同时成为机器人导航仿真训练的重要资源，通过真实住宅空间拓扑结构助力 embodied AI 在复杂室内环境中的路径规划能力突破。随着元宇宙概念兴起，其精细的空间标注体系为虚拟现实建筑漫游与增强现实家居应用提供了高质量数据基底，正在重塑数字孪生领域的研发范式。