【免费下载】 Habitat-Matterport 3D 数据集下载及安装教程
1. 项目介绍
Habitat-Matterport 3D 数据集(HM3D)是由 Facebook Research 和 Matterport 合作开发的一个大规模 3D 室内空间数据集。该数据集包含了 1000 个高分辨率的 3D 扫描(或数字孪生),涵盖了住宅、商业和市政建筑等多种场景。HM3D 数据集旨在为学术和非商业研究提供支持,研究人员可以使用 FAIR 的 Habitat 模拟器来训练具身代理(如家庭机器人和 AI 助手)。
2. 项目下载位置
要下载 Habitat-Matterport 3D 数据集,请访问项目的 GitHub 仓库。你可以通过以下命令克隆仓库:
git clone https://github.com/facebookresearch/habitat-matterport3d-dataset.git
3. 项目安装环境配置
在安装项目之前,请确保你的系统满足以下环境要求:
- Python 3.8.3
- Conda 环境
- Habitat-Sim
- Trimesh
环境配置步骤
-
安装 Conda: 如果你还没有安装 Conda,请先安装 Anaconda 或 Miniconda。
-
创建并激活 Conda 环境: 使用以下命令创建并激活一个新的 Conda 环境:
conda create -n hm3d python=3.8.3 conda activate hm3d -
安装 Habitat-Sim: 使用 Conda 安装 Habitat-Sim:
conda install habitat-sim headless -c conda-forge -c aihabitat -
安装 Trimesh: 使用 pip 安装 Trimesh:
pip install "trimesh[easy]==3.9.1" -
安装其他依赖项: 使用以下命令安装项目所需的其他依赖项:
pip install -r requirements.txt
环境配置示例图片

4. 项目安装方式
在完成环境配置后,你可以按照以下步骤安装 Habitat-Matterport 3D 数据集:
-
克隆仓库: 使用以下命令克隆 GitHub 仓库:
git clone https://github.com/facebookresearch/habitat-matterport3d-dataset.git cd habitat-matterport3d-dataset -
设置 PYTHONPATH: 将项目路径添加到 PYTHONPATH 中:
export PYTHONPATH=$PYTHONPATH:$PWD -
下载数据集: 根据 Habitat-Sim 的官方教程下载所需的数据集,并将其路径设置为环境变量。例如:
export HM3D_ROOT=<PATH TO HM3D glbs>
5. 项目处理脚本
Habitat-Matterport 3D 数据集提供了多个处理脚本来帮助你进行实验和分析。以下是一些常用的脚本:
- scale_comparison:用于比较 HM3D 与其他数据集的规模。
- quality_comparison:用于比较 HM3D 与其他数据集的重建完整性和视觉保真度。
- pointnav_comparison:用于训练和评估 PointNav 代理在 HM3D 和其他数据集上的表现。
每个目录下都提供了详细的 README 文件,指导你如何运行相应的实验。
示例脚本
# 运行 scale_comparison 实验
cd scale_comparison
python run_experiment.py
通过以上步骤,你可以成功下载、安装并运行 Habitat-Matterport 3D 数据集。希望这篇教程对你有所帮助!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00