简体中文 | English

SpatialCF

SpatialCF 用于生成经过验证的空间反事实数据集。它从场景观测中冻结请求，使用最小代价 求解器规划单物体平面移动，通过 Adapter 在原生环境执行编辑，再对结果和数据集文件进行 fresh verification。

Schema、求解器和验证逻辑均为平台无关设计。Unity/AI2-THOR 是首个 Adapter，只负责把 平台事实和原生操作连接到这条公共生成链。

仓库与发布

面向用户的权威仓库是 Legender134/spatialcf。v0.1.1 是 GitHub release，不是 PyPI 发布；请从该 release tag 克隆并在本地 checkout 中安装。

公共发布内容来自经过校验的确定性快照。完整开发历史、私有发布清单和恢复证据不会进入 用户仓库；它们由维护者在独立的私有开发与归档边界中保管。

快速开始

需要 Python 3.11。以下命令创建环境、安装 AI2-THOR Adapter、生成数据，并重新打开数据集 执行验证和检查：

git clone --branch v0.1.1 --depth 1 https://github.com/Legender134/spatialcf.git
cd spatialcf
python -m venv .venv
. .venv/bin/activate
python -m pip install ".[ai2thor]"
spatialcf generate --config configs/ai2thor-example.toml --output ./dataset
spatialcf verify ./dataset
spatialcf inspect ./dataset

generate 不会静默覆盖已经发布的数据集。verify 重新读取元数据、记录、资产和校验和； inspect 仅在完整验证通过后输出摘要。

数据集内容

生成目录包含 manifest.json、records.jsonl、report.json、 checksums.sha256、内容寻址的 assets/，以及可恢复的 .spatialcf/ 状态。 被拒绝的请求只进入报告计数，不会成为已接受记录。

文档

• 安装
• 快速开始
• 核心概念
• Adapter
• Python API

SpatialCF 采用 Apache License 2.0 许可。