6月5日，大曉機器人聯合香港中文大學多媒體實驗室、深圳河套學院發布最新世界模型研究成果 Kairos-HomeWorld，這是全球首個實現全屋生成、個體物體全交互的世界模型統一框架。該技術突破了現有室內場景生成僅能覆蓋單房間、缺乏全局一致性與可操作性的行業瓶頸，能夠一鍵生成結構連貫、物理合理、功能完整的全屋三維場景，為具身人工智能與機器人訓練提供了大規模、高保真的中國家庭場景可交互的實訓場。

具身智能的終極目標是走進千家萬戶，但家庭環境的高度復雜性與個性化，要求機器人必須在海量差異化真實場景中訓練。為此，研究團隊同步開源全球規模最大、首個專為中國家庭打造的全屋 3D 數據集。該數據集包含 30 萬套中國真實住宅平面圖與 5千個完整帶可交互家具和物體的仿真場景，覆蓋全國各類典型家居戶型，完整還原中國本土家庭居住特征，為具身人工智能的國產化落地提供了核心數據與技術底座。

此前，北美機器人領軍企業 Figure AI 與全球最大房地產持有者之一 Brookfield 達成戰略合作，依托Brookfield 超10萬套的住宅單元，進行機器人導航、交互、家務執行的訓練，這與 Kairos-HomeWorld 賦能本土機器人訓練的思路形成全球呼應。

與之相比，Kairos—HomeWorld在家庭機器人訓練方面成本低、效率高。依托模型就能批量生成多樣化中國家庭仿真場景，以及自帶物理交互屬性的物體。機器人可在虛擬環境完成各類家務訓練，新增場景近乎零邊際成本，省去場地運維、家具損耗等實景開支；同時不受現實房源總量限制，在訓練效率與規模化拓展上優于實地采集路線。

目前 Kairos-HomeWorld 已成功應用于大曉機器人的具身智能日常訓練，能夠支持機器人完成跨房間導航、多房間物品整理等復雜長程家務任務的全流程仿真訓練，大幅縮短了從虛擬仿真到現實落地的遷移周期，顯著降低具身智能的研發門檻，加速機器人在中國市場的規模化普及。

首創全屋三維生成與物體級可交互 打破行業仿真數據天花板

Kairos-HomeWorld 憑借四階段分層生成架構（全局結構—局部細節—閉環校驗—交互增強），首次實現從單句文本到結構全局一致、物理完全合規、物體可交互的完整住宅三維場景端到端生成，徹底重構了室內場景生成的技術范式。

該架構將復雜的全屋級生成任務解耦為四個階段，完美解決了傳統方法全局一致性差、物理錯誤頻發、場景不可交互的挑戰。

框架的第一階段首創基于 K-D 樹的平面圖結構化表示方法，將真實住宅平面圖轉化為大語言模型可高效學習的分層文本結構，避免房間重疊、拓撲斷裂等傳統戶型生成方法的缺陷。第二階段采用"俯視圖全局初始化+第一人稱細節漫游"的分層策略，以一階段生成的3D 建筑外殼錨定整個生成過程，解決了 2D-3D 提升方法普遍存在的幾何漂移問題。第三階段通過微調視覺語言模型構建遞歸閉環校驗機制，自動檢測并修正"沙發擋門"、"物體穿墻"等物理違規，將家具布局碰撞率控制在行業最優水平。

在物體級全交互層面，Kairos-HomeWorld 是全球首個全屋可操作物體生成的統一框架，這一標志性能力由架構第四階段的表面中心物體放置算法實現。系統自動獲取物體材質、密度、鉸接結構等。最終生成的每個場景平均包含超過 15 個可操作物體，足跡物體密度（衡量家具表面上物體的密集程度與功能豐富度）達4.16，且所有物體可直接導入仿真引擎進行抓取、移動、堆疊等交互操作。

該框架精準解決了房間動線混亂、功能鄰接性缺失的全局一致性問題；打破了生成場景 "只能看不能用" 的局限，讓虛擬環境真正具備支撐機器人導航、操作、任務執行的能力；破解了 3D 仿真數據稀缺的瓶頸，解決了合成數據不真實、掃描數據不可交互的矛盾。此次同步開源的大規模數據集，將進一步加速具身人工智能的產業化落地。

30萬真實戶型+5千家庭全場景，全球首個中國家庭專屬全屋 3D 數據集發布

大曉機器人聯合香港中文大學多媒體實驗室發布首個專為中國家庭居住場景打造的全屋 3D 數據集，數據規模全球最大。該數據集包含30萬張經過結構化標注的真實住宅平面圖、5千個具有完整室內布局與家具布置的全屋仿真場景，以及5萬個支持物理仿真與交互操作的物體資產。徹底填補了國內缺乏大規模、高保真、符合本土居住習慣的室內場景數據的行業空白，為中國家庭服務機器人的本土化訓練提供了核心數據底座。

在規模上，該數據集實現了量級式突破。30萬張真實住宅平面圖全部來自中國市場真實房源，經過多階段自動化處理流程完成矢量化與結構化標注，包含門窗位置、房間幾何、功能分區、連通關系等全維度信息，是目前全球最大的真實住宅平面圖數據集，是此前廣泛使用 RPLAN 數據集包含8萬張，ResPlan 數據集僅包含1.7萬張。

在此基礎上訓練生成的帶家具和物體的全屋仿真場景，每戶均包含完整的家具布局，并借助Physx-Omni模型，自動生成平均 15+ 個帶物理屬性（包含密度、鉸接、流形等）的可交互對象，且全部支持直接導入仿真引擎進行交互式訓練。

全球室內場景資源對比表，其中各符號與術語的含義如下：Rec. 代表基于重建的真實世界數據集；S./H. 分別指代帶家具場景數（單個、通常為房間級別的獨立區域）與住宅數（包含多個房間的統一完整住宅）；Sim-ready 即仿真就緒度，用于衡量數據集是否提供可直接在仿真 / 渲染引擎中實例化、并支持物體級交互操作的完整 3D 場景；MObj. 表示有數據可查時的單場景平均可操作物體數量；n/r 指未報告相關數據，“–” 表示該項不適用；Collection 則代表由多個不同數據源整合而成的聚合類數據集。

更具行業價值的是其中國家庭專屬屬性。此前全球主流的開源室內場景數據集均基于歐美居住習慣構建，普遍存在房間布局和裝飾歐美化、開放式廚房、缺乏陽臺功能區等問題，導致基于這些數據訓練的機器人在進入中國家庭時出現 水土不服。

Kairos-HomeWorld 數據集覆蓋了全國不同城市、不同面積段的典型戶型，從 30㎡一居室剛需小戶型到 200㎡以上改善型大戶型，完整還原了中國家庭特有的南北通透布局、封閉式廚房、獨立生活陽臺、干濕分離衛生間、玄關鞋柜等本土居住特征，甚至包含老小區非矩形廚房、不規則客廳等常見復雜戶型。

此次數據集將面向學術界與產業界全面開源，團隊還計劃在后續版本中持續擴充不同地域、不同裝修風格的場景樣本，并加入更多中國家庭特有的物品與交互場景，進一步降低具身 AI 的本土化訓練門檻，加速服務機器人在中國家庭的規模化落地。

沉浸式演示一鍵生成中國家庭仿真場景，加速機器人訓練

Kairos-HomeWorld 已成功應用于大曉機器人的具身智能日常訓練。本次視頻完整呈現了 Kairos-HomeWorld 從文本指令到可交互戶型的全鏈路生成過程，直觀展現了其 "一鍵生成、全局一致、物理合規" 的核心能力。

視頻中，只需輸入 "生成一套新中式 90 平米兩室一廳" 的文本提示，模型首先基于中國真實戶型數據與 K-D 樹結構化表示，快速生成符合本土居住習慣的空房間結構，精準還原南北通透、功能分區合理的典型戶型。

隨后通過 "俯視圖全局布局 + 第一人稱細節填充" 的分層策略，自動生成風格統一的家具擺放；接著通過Physx-Omni模型為桌面、臺面等表面生成帶完整物理屬性的可交互物品資產，例如鉸接屬性、密度、流形等。

通過自然語言下達 "全屋物品整理" 的復雜指令，機器人自動將其拆解為多個精準的子任務，按照 "客廳→陽臺→廚房→主臥→餐廳→次臥" 的完整全屋動線依次執行。

在大規模中國家庭仿真環境訓練的機器人可以識別不同物品、規劃最優路徑、完成精準抓取與放置的全過程，包括將打開冰箱和柜門的鉸接物體交互、倒洗衣液的流體交互、拉開窗簾的柔性物體交互、拿蘋果的不規則物體交互，以及放置零食的模擬重力屬性交互等。

相比傳統僅能支持導航訓練的仿真環境，Kairos-HomeWorld 生成的場景具備全局一致的空間結構，支持機器人跨房間連續導航；所有物體均帶有真實物理屬性，機器人可與超過 15 種不同類型的物品進行自然交互，模擬真實世界的碰撞、重力與摩擦效果，讓機器人在虛擬世界中就能完成復雜家務任務的全流程訓練，大幅縮短了從仿真到現實的遷移周期。