【遇见推荐】机器人终于能“爬楼干活”？清华联合智元、麦吉尔发布首个面向长时序任务的“建筑级”具身智能数据集

机器人能在一整栋楼里完成任务吗？比如从一楼仓库取货、坐电梯到五楼办公室、再完成配送——这类跨楼层、长时序任务，过去一直缺乏合适的数据支撑。

3月14日，清华大学联合智元机器人、麦吉尔大学，在论文《MANSION: Multi-floor Language-to-3D Scene Generation for Long-horizon Tasks》中，推出 MansionWorld 数据集。该数据集面向具身智能，提供建筑级3D场景，用于训练与评估智能体在整栋建筑中的任务执行能力。

数据集地址： MansionWorld

数据集内容与规模

1. 1. 超过 1,000 个可交互建筑场景（住宅、办公、公共设施）
2. 2. 每栋建筑包含 2–10 层结构
3. 3. 总房间数超过 10,000 个
4. 4. 提供结构化数据（布局文件 JSON 与平面图 PNG）
5.  

主要特点

1. 1. 跨层建模：支持楼梯、电梯等真实空间连接
2. 2. 长时序任务：支持跨楼层导航、搬运与连续操作
3. 3. 语言驱动编辑：可通过自然语言修改场景（Task-Semantic Editing）
4. 4. 仿真生态兼容：支持接入 AI2-THOR 等仿真平台，便于算法验证与实验复现
5.  

技术背景与意义

现有具身智能数据集（如 HM3D、Matterport3D 等）虽覆盖建筑级场景，但主要聚焦于”单层导航+短时序任务“。MansionWorld 将研究范围拓展至“多楼层 + 长时序任务”，进一步引入：

1. 1. 跨楼层空间推理（Vertical Reasoning）
2. 2. 长时序任务规划（Long-horizon Planning）
3. 3. 建筑级环境建模（Building-scale Embodiment）
4.  

实验结果表明，当前最先进的具身智能模型在该数据集上的性能明显下降，反映出多楼层结构与长时序任务带来的挑战。MansionWorld 的发布，为物流配送、巡检等多楼层应用提供了更贴近真实场景的研究基础。