Datasets:

yuchi233
/

Placement_Assets

Tasks:

Robotics

Tags:

License:

Dataset card Files Files and versions

xet

Community

Placement_Assets / README_zh.md

yuchi233

Upload README_zh.md with huggingface_hub

96ac0b2 verified 4 days ago

preview code

Raw

History Blame Contribute Delete

13.2 kB

Placement Assets 资产库

这是一个面向机器人仿真与 placement 任务的统一资产库，当前托管在 Hugging Face Dataset：

https://huggingface.co/datasets/yuchi233/Placement_Assets

本仓库不是 RoboCasa 的镜像，也不是基于 RoboCasa 单独建立的资产库。RoboCasa、DISCOVERSE、TinyForge、Hunter 和第三方资产站都被视为不同的资产来源，统一纳入同一套存储、命名、索引和溯源规范。

当前已入库资产

RoboCasa 洗碗机 fixture：
- 路径：assets/robocasa/raw/fixtures/dishwashers/
- 数量：25 个 MJCF 资产
- 每个资产保留 model.xml、visuals/ 和本地 metadata.yaml
RoboCasa 洗碗机相关辅助文件：
- registry：assets/robocasa/raw/fixtures/fixture_registry/dishwasher.yaml
- fixture 实现参考：docs/source_notes/robocasa/dishwasher_fixture.py
DISCOVERSE models 集合：
- 路径：assets/discoverse/raw/collections/models/discoverse_models/
- 内容：MJCF、URDF、mesh、PNG/reference image 等
- 处理方式：作为 collection-level asset 入库，内部保持 DISCOVERSE upstream 的 models/ 目录结构，避免破坏 MJCF include 和 mesh 相对路径

统一目录结构

原始资产使用 raw/，保留来源结构和相对引用：

assets/<source>/raw/<asset_type>/<category>/<asset_id>/

示例：

assets/robocasa/raw/fixtures/dishwashers/Dishwasher031/

派生资产使用 derived/，用于保存凸分解、collision mesh、清洗结果、格式转换等生成物：

assets/<source>/derived/<asset_type>/<category>/<asset_id>/

如果要创建凸分解脚手架，可以先运行：

python scripts/scaffold_convex_decomposition.py assets/robocasa/raw/fixtures/dishwashers/Dishwasher031

大规模 upstream 资产树如果包含大量内部相对引用，也使用 raw/ 结构，但可作为集合资产保存：

assets/<source>/raw/<asset_type>/<category>/<asset_id>/

示例：

assets/discoverse/raw/collections/models/discoverse_models/
├── metadata.yaml
├── mjcf/
├── meshes/
└── urdf/

命名规则

目录字段：

assets/<source>/raw/<asset_type>/<category>/<asset_id>/

source：资产来源，使用小写 snake_case，例如 robocasa、discoverse、tinyforge、hunter、third_party
asset_type：资产类型，例如 fixtures、objects、scenes、robots、collections
category：类别，例如 dishwashers、models、cups、cabinets
asset_id：优先保留 upstream 稳定 ID，例如 Dishwasher031

全局 asset_id：

<source>.<asset_type>.<category>.<upstream_id>

示例：

robocasa.fixtures.dishwashers.Dishwasher031
discoverse.collections.models.discoverse_models

仓库结构

.
├── AGENTS.md                         # 给 agent / 后续维护者的仓库使用说明
├── README.md                         # 英文 README
├── README_zh.md                      # 中文 README
├── assets/                           # 实际资产文件
│   ├── discoverse/
│   ├── hunter/
│   ├── robocasa/
│   ├── third_party/
│   └── tinyforge/
├── templates/                        # 元数据模板
├── docs/                             # 规范、来源说明、调研记录
│   ├── asset_readiness_classification.md
│   ├── convex_decomposition_spec.md
│   ├── external_source_catalog.md
│   ├── naming_spec.md
│   ├── placement_asset_notes.md
│   ├── primitive_collision_proxy_spec.md
│   ├── structure_mapping.md
│   ├── source_notes/
│   └── storage_spec.md
├── manifest/
│   ├── assets.jsonl                  # 全局资产索引，一行一个资产
│   ├── licenses.yaml                 # license 字典
│   └── sources.yaml                  # 来源与候选第三方来源
└── scripts/
    ├── run_convex_decomposition.py
    ├── run_primitive_collision_proxy.py
    ├── scaffold_convex_decomposition.py
    ├── download_from_hf.sh
    ├── upload_to_hf.sh
    └── validate_asset.py

索引与 metadata

全局索引文件：

manifest/assets.jsonl

每个资产目录也必须包含：

metadata.yaml

必需字段包括：

asset_id
source
source_asset_id
asset_type
category
format
entry_file
license
origin_url
path
tags

推荐字段包括：

readiness_level
source_commit
retrieval_date
conversion_tool
conversion_notes
raw_sha256
validation_status

原始结构与当前结构映射

如果导入时修改了 upstream 的目录结构，必须记录原始结构和当前结构的对应关系。

统一记录位置：

docs/structure_mapping.md
docs/source_notes/<source>.md

当前例子：

DISCOVERSE upstream:
  /home/yuchi/projects/DISCOVERSE/models/

当前仓库:
  assets/discoverse/raw/collections/models/discoverse_models/

RoboCasa 洗碗机则是一对一映射：

robocasa/models/assets/fixtures/dishwashers/Dishwasher031/
→ assets/robocasa/raw/fixtures/dishwashers/Dishwasher031/

资产就绪度 L0–L5

资产存进仓库不代表可以直接用于产数。就绪度单独记录：

L0：已通过目标任务、机器人 embodiment、policy、verifier 和 episode replay 验收，可稳定产数
L1：在原仿真器中是完整可运行资产，但尚未适配目标产数链路
L2：已有 articulated 结构，但物理、碰撞、任务语义等信息不完整
L3：可动部件已分离，但缺少可靠 joint
L4：完整静态整件
L5：原始、缺件、未装配或需要显著修复的静态 mesh

完整标准见：

docs/asset_readiness_classification.md

当前状态：

RoboCasa dishwasher：L1_candidate
DISCOVERSE collection：L1_L2_candidate_by_subasset

凸分解结果存放方式

凸分解结果属于派生资产，不能覆盖原始 mesh，也不能直接混进 upstream 的 raw/ 目录。

统一存放路径：

assets/<source>/derived/convex_decompositions/<category>/<asset_id>/

示例：

assets/robocasa/derived/convex_decompositions/dishwashers/Dishwasher031_vhacd_v1/
├── metadata.yaml
├── source_refs.yaml
├── meshes/
│   ├── door/
│   │   ├── part_000.obj
│   │   └── part_001.obj
│   └── rack0/
├── mjcf/
│   ├── convex_assets_include.xml
│   ├── convex_geoms_include.xml
│   └── convex_collision_include.xml
└── logs/
    └── decomposition.json

其中：

metadata.yaml：记录派生资产 ID、license、来源、算法、参数文件、验证状态
source_refs.yaml：记录对应的原始 asset、原始 XML、原始 mesh 路径
meshes/：保存凸分解后的 convex pieces
mjcf/convex_assets_include.xml：在 MJCF 顶层 include，用来注册 convex part mesh
mjcf/convex_geoms_include.xml：在目标 body 内 include，用来添加 collision geoms
mjcf/convex_collision_include.xml：带 wrapper body 的独立预览/便利 include
logs/decomposition.json：记录 VHACD / CoACD 等工具版本、参数、输入输出 hash
logs/parts_summary.csv：记录每个 part 的 bbox 尺寸、中心、体积、面积、顶点数和面数，方便筛查过小/过大的 collision part

实际运行 CoACD 凸分解：

pip install trimesh coacd

python scripts/run_convex_decomposition.py \
  assets/robocasa/raw/fixtures/dishwashers/Dishwasher031 \
  --mesh visuals/door.obj \
  --mesh visuals/rack0.obj \
  --variant coacd_v1 \
  --register-manifest

MuJoCo 接入方式：

<!-- MJCF 顶层 -->
<include file="path/to/mjcf/convex_assets_include.xml"/>

<!-- 目标 body 内部 -->
<include file="path/to/mjcf/convex_geoms_include.xml"/>

不要直接修改 raw/ 里的 model.xml。如果要替换原始 collision，应该在下游任务工程里选择性 include 派生 collision 文件。

凸分解后的 part 尺寸不能直接通过“目标长度/目标体积”指定，CoACD 主要通过粒度参数间接控制：

--threshold        越小通常越细，part 更多/更小；越大越粗，part 更少/更大
--max-convex-hull  限制最多生成多少个 convex hull；越小越粗
--no-merge         禁止合并 hull，通常会保留更多/更小的 part
--mcts-max-depth   允许更深层递归切分，可能得到更细的结果
--resolution       提高几何采样/细节分辨率

粗 collision 示例：

python scripts/run_convex_decomposition.py <raw_asset_dir> \
  --mesh <mesh.obj> \
  --threshold 0.08 \
  --max-convex-hull 8

细 collision 示例：

python scripts/run_convex_decomposition.py <raw_asset_dir> \
  --mesh <mesh.obj> \
  --threshold 0.02 \
  --max-convex-hull 32 \
  --no-merge \
  --mcts-max-depth 4

完整规范见：

docs/convex_decomposition_spec.md

该文档包含 scripts/run_convex_decomposition.py 的完整使用方法、所有 CLI 参数说明、粗/细分解参数 preset，以及 rack / wire-like 资产的注意事项。

Primitive collision proxy 结果存放方式

对于洗碗机 rack、钢丝架、栅格、插槽隔板这类 thin rod / wire-like 资产，如果 CoACD / VHACD 会把功能空隙填死，优先使用 primitive collision proxy。

统一存放路径：

assets/<source>/derived/primitive_collision_proxies/<category>/<asset_id>/

示例：

assets/robocasa/derived/primitive_collision_proxies/dishwashers/Dishwasher031_rack1_primitive_boxes_v1/
├── metadata.yaml
├── source_refs.yaml
├── README.md
├── REPORT.md
├── proxy/
│   └── primitive_collision_proxy.json
├── mjcf/
│   ├── primitive_geoms_include.xml
│   └── primitive_collision_include.xml
├── curobo/
│   └── primitive_world.yml
└── logs/
    ├── cuboids_summary.csv
    └── proxy_generation.json

实际运行示例：

python scripts/run_primitive_collision_proxy.py \
  assets/robocasa/raw/fixtures/dishwashers/Dishwasher031 \
  --mesh visuals/rack1.obj \
  --variant rack1_primitive_boxes_v1 \
  --segment-length 0.03 \
  --padding 0.001 \
  --min-half-extent 0.0015

其中 proxy/primitive_collision_proxy.json 是 source of truth，MuJoCo 和 cuRobo 输出都从同一份 JSON 派生。

完整规范和参数说明见：

docs/primitive_collision_proxy_spec.md

第三方资产规则

第三方来源可以先只记录链接，不下载、不入 manifest。

只有当某个项目、实验、任务或生成场景实际使用了第三方资产时，才把具体使用到的资产复制进本仓库：

assets/third_party/raw/<asset_type>/<category>/<asset_id>/

导入时必须记录：

原始 URL
provider / site name
license
retrieval date
source asset ID
本地路径
转换或清洗步骤
必要时记录 hash

候选第三方来源见：

docs/external_source_catalog.md
docs/source_notes/third_party.md

重要规则：

link-only candidate 不写入 manifest/assets.jsonl
下载数量不等于可生产资产数量
来源库总量不能直接相加，必须处理上游派生和重复资产

校验

在仓库根目录运行：

python scripts/validate_asset.py --all

当前期望输出：

validated_assets=26

也可以校验单个资产：

python scripts/validate_asset.py assets/robocasa/raw/fixtures/dishwashers/Dishwasher031

校验内容包括：

metadata.yaml 是否存在
entry_file 是否存在
资产目录是否符合四层结构
metadata 与目录字段是否一致
metadata 与 manifest 是否一致
MJCF 中的 mesh/texture 文件引用是否能解析

下载

export HF_ENDPOINT=https://hf-mirror.com

hf download yuchi233/Placement_Assets \
  --repo-type dataset \
  --local-dir ./Placement_Assets \
  --max-workers 4

或使用脚本：

scripts/download_from_hf.sh yuchi233/Placement_Assets ./Placement_Assets

上传

先登录：

export HF_ENDPOINT=https://hf-mirror.com
hf auth login

上传：

cd /home/yuchi/asset-library
scripts/upload_to_hf.sh yuchi233/Placement_Assets

或者直接使用：

hf upload yuchi233/Placement_Assets . . --repo-type dataset

后续扩展流程

新增资产时按以下步骤：

确认来源、license、可再分发性和用途。
确定资产粒度：单资产还是 collection-level asset。
放入统一四层目录结构。
保留 upstream 文件名和相对路径，除非有兼容性原因。
添加 metadata.yaml。
更新 manifest/assets.jsonl。
如果改了目录结构，更新 docs/structure_mapping.md 和 docs/source_notes/<source>.md。
运行 python scripts/validate_asset.py --all。
上传到 Hugging Face。