Gibson（全称 Gibson Environment）是由斯坦福大学视觉实验室发布的一个大规模、真实感的 3D 场景数据集，专为具身人工智能（embodied AI）和机器人感知学习设计。它通过对真实建筑进行高精度 3D 扫描，提供了丰富的几何、视觉和语义信息，使研究者能够在逼真的虚拟环境中训练和评估导航、目标搜索、动作规划等任务。
1. 数据规模与组成
| 项目 | 说明 |
|---|---|
| 场景数量 | 572 栋完整建筑 |
| 楼层数量 | 超过 1 440 层空间 |
| 覆盖面积 | 约 211 km²（约 57 万平方米） |
| 场景类型 | 住宅、办公室、酒店、博物馆、医院、工地等多种真实场景 |
| 数据分层 | Tiny、Medium、Full、Full+ 四个规模层级，便于不同算力需求的实验 |
2. 多模态感知信息
- RGB 全景图：每个空间提供 360° 全景 RGB 图像。
- 深度图：对应的深度信息，可直接用于深度估计或点云重建。
- 语义分割：像素级语义标签，覆盖常见室内物体类别。
- 点云 / 3D 网格：高分辨率的几何模型，支持物理仿真。
- 法线图、光照信息：用于渲染和光照感知研究。
这些模态在同一坐标系下对齐，方便跨模态学习和域适应研究。
3. 典型研究任务
- 点到点导航（PointNav）：在复杂室内环境中从起点移动到目标位置。
- 目标导航（ObjectNav）：寻找特定语义目标（如椅子、门）。
- 视觉‑动作学习：在真实感场景中学习抓取、搬运等操作。
- 跨域迁移：利用 Gibson 的 “Goggles” 渲染模块，将在模拟环境中训练的模型直接部署到真实相机图像上，验证域适应能力。
4. 获取方式与重要链接
| 链接 | 说明 |
|---|---|
| GitHub 项目主页 | https://github.com/StanfordVL/GibsonEnv （包含数据下载、使用说明、代码示例） |
| 官方文档 / README | 同上仓库的 gibson/data/README.md，详细列出数据结构、分层和元数据。 |
| Papers with Code 页面 | https://paperswithcode.com/dataset/gibson-environment ，展示基于 Gibson 的基准任务和最新论文。 |
| Hyper.ai 数据集页面 | https://hyper.ai/datasets/21627 ，提供数据概览、许可信息（非商业用途）以及快速入门链接。 |
| 中文介绍（知乎/技术博客） | https://zhuanlan.zhihu.com/p/43784412 ，概述数据采集方式、场景类型和使用案例。 |
下载提示：完整数据体积较大（数百 GB），建议先通过 GitHub 中的 “Tiny” 或 “Medium” 子集进行实验，确认环境后再下载全量数据。
5. 使用注意事项
- 引用：在学术论文或项目报告中请引用原始论文 “Gibson {Env}: real‑world perception for embodied agents”（Xia et al., 2018）以及对应的 GitHub 项目。
- 许可：数据集采用 非商业 使用许可，适用于学术研究和公开实验。商业使用需联系原作者获取授权。
- 域适应：Gibson 提供的 “Goggles” 渲染模块可以将模拟图像转换为更接近真实相机的风格，帮助模型在真实环境中直接部署。
- 硬件需求：完整场景的渲染和物理仿真对显存和 CPU 有一定要求，建议使用配备 16 GB 以上显存的 GPU。
6. 小结
Gibson 数据集是目前规模最大、场景最真实的室内 3D 感知数据集之一，提供了丰富的多模态信息和多层级场景划分，已成为具身 AI、机器人导航和跨域感知研究的标准基准。通过上述链接即可获取数据、文档和最新的基准实现，帮助研究者快速搭建实验平台并进行创新探索。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！