dishsim-assets

dishsim assets 是 dishsim 项目的预构建资产和结果存档，专为在 Isaac Sim 中进行机器人洗碗机装载任务（使用 UR5e 机械臂和 Robotiq 2F-85 夹爪）而设计。该数据集提供快速恢复路径，包含所有几何缓存、派生 USD 文件和记录的结果，无需重新进行约1.5小时的 Kit 烘焙工作。数据集包含两个主要版本：v1 为 ArtVIP 紧凑型机器（含冻结的杯子基线和多对象场景），v2 为 Bosch 800 数字孪生模型（含自建参数化机器，包括全行程搁架、第三层搁架和喷淋臂，以及五组搁架状态的碰撞缓存、UR5e 最佳安装点的测量结果、安装点扫描评分卡和首个记录的场景）。数据集还包含指向当前 tarball 对的 latest.json 文件，以及用于恢复的脚本。此数据集适用于机器人运动规划、仿真环境搭建、抓取与放置策略研究等任务。注意：UR5e+Robotiq 机器人 USD 不包含在此存档中，需在运行时从 NVIDIA 公共资产桶获取。The dishsim assets are pre-built assets and result archives for the dishsim project, designed for robot dishwasher loading tasks in Isaac Sim (using UR5e arm and Robotiq 2F-85 gripper). This dataset provides fast recovery paths, including all geometry caches, derived USD files, and recorded results, eliminating the need to redo approximately 1.5 hours of Kit baking. The dataset includes two main versions: v1 is the ArtVIP compact machine (with frozen cup baseline and multi-object scenes), v2 is the Bosch 800 digital twin model (with self-built parameterized machine including full-travel shelves, third shelf, and spray arm, as well as collision caches for five shelf states, measurements for optimal UR5e mounting point, mounting point scanning scorecard, and first recorded scene). The dataset also includes a latest.json file pointing to the current tarball pair, and scripts for recovery. This dataset is suitable for robot motion planning, simulation environment setup, and grasping and placement strategy research. Note: The UR5e+Robotiq robot USD is not included in this archive; it needs to be obtained from the NVIDIA public asset bucket at runtime.

原始信息汇总

dishsim assets 数据集详情

数据集概述

dishsim assets 是 dishsim 项目的预制资源与实验结果存档，该项目基于 Isaac Sim 构建机器人洗碗机装载仿真环境，使用 UR5e 机械臂和 Robotiq 2F-85 夹爪。该存档提供了快速恢复路径，包含所有几何缓存、派生 USD 文件和已记录结果，可在新机器上无需重新构建（baking）即可复现实验，节省约每个世界 1.5 小时的 Kit 处理时间。

快速恢复

• 提供一键恢复命令，无需身份令牌，从项目仓库根目录执行即可。
• 恢复过程包括：下载最新压缩包、安全解压、重新下载 ArtVIP 原始资源、对碰撞缓存进行哈希校验、运行无 Kit 依赖的测试套件。
• 可通过 --with_media 选项选择是否包含实验录像（不包含时仅下载资产，体积更小）。

存档内容

版本一（v1）— ArtVIP 紧凑型洗碗机

• 包含冻结的马克杯基线场景及多物体实验场景
• 已构建的物体属性、全部碰撞缓存、派生机器 USD 文件及基线实验结果

版本二（v2）— Bosch 800 数字孪生

• 自建参数化机器模型，包含全行程搁架、第三层搁架、喷淋臂
• 基于实测 UR5e 最佳安装位置的五个搁架状态碰撞缓存
• 安装位置扫描评分表（results/base_sweep/bosch800/）
• 已记录的首批实验，包括 560 毫米搁架拉出和杯+平底杯清除场景

元数据文件

• latest.json 指向当前压缩包对，恢复脚本会跟随此文件。
• 压缩包命名格式为 dishsim_{assets,media}_<日期>_<git提交号>.tar.gz，git SHA 将每个存档与对应仓库修订版本绑定，确保缓存哈希与 config.py 一致。

恢复后使用

存档提供了可直接运行的实验命令示例，用于在最佳安装位置执行 Bosch 800 场景实验，无需任何预烘焙过程。

许可证信息

采用混合许可证，按组件区分：

• ArtVIP 洗碗机：Apache-2.0
• YCB 扫描派生物体：遵循 YCB 数据集条款
• 项目自建的程序化物体/搁架/缓存：遵循项目许可证

需要注意的是，UR5e+Robotiq 机器人 USD 文件不含在此存档中，将在运行时从 NVIDIA 公共资源桶获取。

搜集汇总

数据集介绍

构建方式

该数据集为dishsim项目提供了预先构建的资产与结果归档，针对Isaac Sim环境中的机器人洗碗装载任务（UR5e+Robotiq 2F-85）。其构建过程通过脚本restore_assets.py实现一键恢复，该脚本依据latest.json解析最新压缩包，安全解压后自动重新下载ArtVIP原始模型，并对所有碰撞缓存进行哈希校验，确保与仓库中config.py的配置值完全一致。归档内容涵盖两个版本：v1为ArtVIP紧凑机型的基础与多物体场景，包含构建的物体属性、碰撞缓存及衍生USD；v2为Bosch 800数字孪生机型，包含参数化机型（如全行程搁架、第三层搁架、喷淋臂），针对五种搁架状态在实测UR5e最优安装位置处烘焙的碰撞缓存，以及安装位置扫描的评分卡与首批录制的试验片段。

使用方法

使用该数据集时，用户首先需安装项目仓库中的规划虚拟环境，并运行restore_assets.py脚本进行恢复，可选用--with_media参数决定是否下载录制的视频。恢复完成后，即可直接运行实验命令，例如通过scripts/run_kit.sh执行Bosch 800机型在最优安装位置的试验，无需额外烘焙。数据集支持多种场景配置，如指定机器、放置策略、物体组合及随机种子，便于复现或扩展实验。所有缓存与结果均与特定代码版本对应，建议在匹配的仓库修订版上使用，以保证数据一致性。

背景与挑战

背景概述

随着自主机器人技术在家庭与工业场景中的渗透，餐具装载任务的自动化成为服务机器人领域的研究热点。dishsim-assets数据集由shu4dev团队于近期构建，依托NVIDIA Isaac Sim仿真平台，面向UR5e机械臂与Robotiq 2F-85夹爪的洗碗机装载任务，提供了包括ArtVIP紧凑型洗碗机与Bosch 800数字孪生在内的预制资产、碰撞缓存及实验结果。该数据集的核心研究问题在于实现仿真环境中高保真、可复现的机器人操作规划，通过预生成几何缓存与派生USD文件，显著降低了实验复现所需的时间成本（约1.5小时/世界）。其发布为餐具装载、运动规划及多物体操作等领域的研究者提供了标准化测试平台，推动了仿真到现实迁移的研究进展。

当前挑战

该数据集所应对的领域挑战主要涵盖餐具装载任务的复杂性与仿真构建的高昂成本。在领域层面，洗碗机装载涉及非刚性物体、密集约束空间及多物体交互，要求运动规划算法在满足几何与动力学约束的同时，实现高效且安全的操作，这远难于传统的抓取放置任务。在数据集构建过程中，挑战包括：高保真数字孪生的参数化建模（如Bosch 800的导轨、喷淋臂等部件），不同机架状态下的碰撞缓存计算，以及确保缓存哈希与配置版本的一致性。此外，资产来源的多样性（ArtVIP、YCB扫描物体、自建程序化模型）带来了许可证混合和格式统一的问题，同时机器人USD需从外部获取，增加了集成的复杂度。这些挑战共同影响了数据集的通用性与可扩展性。

常用场景

经典使用场景

dishsim-assets数据集为机器人装洗碗机任务提供了预构建的仿真世界资源，涵盖ArtVIP紧凑型洗碗机和博世800数字孪生模型，包含几何缓存、USD文件与实验结果。其经典使用场景在于通过一键恢复命令，使研究者无需重新烘焙即可复现基于Isaac Sim的UR5e机械臂装载实验，大幅缩短环境搭建时间，支持多物体（如杯子和不倒翁）装载场景的快速仿真验证。该数据集尤其适用于运动规划算法在真实餐具装载情境下的基准测试，为机器人操作领域提供了可重复、标准化的实验基础。

解决学术问题

该数据集直接解决了机器人仿真研究中环境构建成本高昂、实验可重复性差的痛点。通过提供预计算的碰撞缓存和派生USD，消除了跨机器复现时繁琐的烘焙流程，使学术社区能够聚焦于运动规划、抓取策略等核心问题，而非环境工程细节。其哈希校验机制确保缓存与配置一致性，保障了实验数据的可靠性与科学性。这推动了家用机器人装载任务的标准化评估，为对比不同算法性能提供了统一平台，对智能家居自主操作研究具有重要支撑作用。

实际应用

在实际应用中，该数据集可助力智能家电与服务机器人研发。例如，博世800数字孪生模型支持全行程抽屉与第三层搁架的仿真，可用于开发自动装载程序，优化餐具摆放路径，减少人为干预。其资产包包含的机械臂安装位扫描评分卡，能辅助工程团队快速选定最优挂载位置，提升装载成功率。此外，录制的演示视频可作为算法训练参考，支持从仿真到现实的迁移学习，加速洗碗机自动化产品落地。

数据集最近研究

最新研究方向

在机器人操作领域，基于物理仿真的学习与规划日益成为研究热点，而家庭场景中的餐具装载任务因其对精细操作和空间推理的高要求，正成为验证算法有效性的重要基准。dishsim-assets数据集应运而生，它提供了预先构建的Isaac Sim环境资产，涵盖ArtVIP紧凑机型与Bosch 800数字孪生体，包含完整的碰撞缓存、派生USD及实验结果，使研究者能够免去耗时的场景构建过程，直接复现实验。该数据集紧扣数字孪生与仿真到现实迁移的前沿趋势，通过高保真的机器模型和可复现的实验配置，推动了机器人装载策略的迭代优化，为家庭服务机器人的智能化发展提供了坚实的实验平台，具有重要的科研与工程应用价值。