Mechanical Components Benchmark（Kim et al., ECCV 2020, Purdue C-Design Lab），转成团队统一 7 字段 SFT schema。两个 config：MCB_A 和 MCB_B，实收合计 76,734 行（下表全部是实跑计数注入，不是论文数字）。

⚠ 不要把 MCB_A + MCB_B 合并当 76,734 个不重复样本去训练或评测。 两套标签体系不兼容（论文附录明写 B 不遵循 MCB 的层级体系，同名类含义未必相同），且 A 是把 B 重标注后并入 TraceParts 来源得到的，两边可能存在物理上相同的模型（官方没给 id 映射，无从去重）。所以拆成两个 config，各用各的。

按威威哥哥的裁决，需要渲染的先把原始数据传上来，渲染下游统一处理。本库是原始 OBJ 网格，无图像。

数据构成（实测）

config	实收合计	实测类数(已收 split 并集)	train / test	论文口径
`MCB_A`	58,696	68	46,980 / 11,716	58,696 个 / 68 类
`MCB_B`	18,038	25	14,451 / 3,587	18,038 个 / 25 类

论文口径是 163,216 个原始模型经八位机械工程专家人工去重筛到 58,696（A）。若上表实收与论文口径对不上，要么有 split 未收录，要么归档内容与论文不一致——以实收为准。另有二手来源称 A 是 67 类而非 68，转换时若类数对不上会在日志里警告，此处以实测并集为准。

split 口径（重要，别按论文抄）

官方生成脚本 tools.py 实际是 70/10/20（写出 train / test / eval 三个 CSV）；论文 §5 却写 80/20 且从未提过验证集，两者直接冲突。
官方切分的 shuffle 没有 random_state，split 不可复现，唯一可信的就是发布包里的目录结构。本转换器正是按归档内 <split>/<class>/ 目录切的，没有自己重切。
本次转换对归档全量扫描的 split census：MCB_A: test 11,716 (20.0%), train 46,980 (80.0%)；MCB_B: test 3,587 (19.9%), train 14,451 (80.1%)。
全量扫描未见 eval/ 目录：发布包只有 train/test，官方生成脚本切出的 10% 验证集没有随包发布，本库自然也没有。

每行有哪些列

列	装什么
`obj`	OBJ 网格原文（抽样实测：极简无注释、面全为三角形；解压后合计约 14 GB）
`annot`	答案 = 类别名，原样保留归档目录名——实测含空格和逗号（如 `Screws and bolts with hexagonal head`、`Keys and keyways, splines`），不是下划线串
`image`	null —— 原始就是网格没有图；不是我们删的，需渲染
`reasoning`	null —— 源数据本身没有推理内容
`metadata`	`subset`(A/B) · `split` · `class` · `model_id` · `path` · `n_chars`

annot 完整词表（实跑注入；生成式模型请把输出约束在这张表内）

MCB_A（已收 split 并集实测 68 类；论文口径 68 类）：

Articulations, eyelets and other articulated joints、Bearing accessories、Bushes、Cap nuts、Castle nuts、Castor、Chain drives、Clamps、Collars、Conventional rivets、Convex washer、Cylindrical pins、Elbow fitting、Eye screws、Fan、Flange nut、Flanged block bearing、Flanged plain bearings、Grooved pins、Helical geared motors、Hexagonal nuts、Hinge、Hook、Impeller、Keys and keyways, splines、Knob、Lever、Locating pins、Locknuts、Lockwashers、Nozzle、Plain guidings、Plates, circulate plates、Plugs、Pulleys、Radial contact ball bearings、Right angular gearings、Right spur gears、Rivet nut、Roll pins、Screws and bolts with countersunk head、Screws and bolts with cylindrical head、Screws and bolts with hexagonal head、Setscrew、Slotted nuts、Snap rings、Socket、Spacers、Split pins、Spring washers、Springs、Square、Square nuts、Standard fitting、Studs、Switch、T-nut、T-shape fitting、Taper pins、Tapping screws、Threaded rods、Thrust washers、Toothed、Turbine、Valve、Washer bolt、Wheel、Wingnuts

MCB_B（已收 split 并集实测 25 类；论文口径 25 类）：

bearing、bushing、castors_and_wheels、clamp、disc、fitting、flange、fork_joint、gear、handles、hinge、hook、motor、nut、pin、plate、pulley、ring、rivet、rotor、screws_and_bolts、spring、stud、switch、washer

⚠ 几何已被归一化，绝对尺寸永久丢失（必读）

官方 tools.py 的 normalize_vertices 把每个网格减去顶点均值质心、除以最大顶点半径，再用 trimesh 重新导出覆写。绝对尺寸和量纲全部丢失：M3 螺钉和 M20 螺钉在数据里是同一个东西，而尺寸本是机械零件的一等判别信号。任何"从 OBJ 读出真实毫米尺寸"的假设都是错的。
质心用的是顶点均值而非面积加权，归一化结果依赖三角化密度：同一形状不同剖分会得到不同的中心和尺度。
本会话抽样核实（MCB_A 前 13,635 个归档成员）：顶点坐标确已归一化（落在 [0,1] 区间）， OBJ 极简无注释、面全为三角形。
数据是 trimesh 重导出的三角汤：没有 B-rep、没有 STEP、没有面 ID、没有特征树， 做不了任何逐面/逐特征任务。
以上这些论文只字未提，是下游最容易踩的坑。

标签质量与已知风险（照论文能支持的说，不拔高）

标注按 ISO/ICS 分类体系做。论文能支持的质量声明只有一句：**"Eight ME experts manually filtered out the duplicates"**（163,216 → 58,696，纯人工，无几何哈希、无覆盖率保证）。
近重复/泄漏风险：TraceParts 占 A 约 69%（40,658/58,696），论文自述这些模型来自参数化目录、类内形状差异小；参数化变体在归一化之后几何上近乎全等，而 split 是类内随机切的——train/test 之间存在潜在泄漏。作者自带的泄漏检查（tools.py 的 evaluation()）是拿含 'train' 的路径和含 'test' 的路径做字符串比较，恒不命中，等于从没查过。
约 30% 的模型朝向未对齐（3D Warehouse / GrabCAD 两个来源，作者有意保留未修）。
类别极不平衡约 150:1（最大类 7,058、最小类 47），论文里 over-object 和 over-class 指标差 7~15 个点就是它造成的。
团队建议：优先当评测 harness 用；要当训练语料，先按类内几何相似度去重，否则近重复会让训练收益被高估。

⚠ 许可（按团队口径上传并在此标注）

数据集本身没有任何许可声明。 而且它的内容是从 TraceParts / 3D Warehouse / GrabCAD 三个平台采集的第三方模型 —— 这三家的条款都限制再分发，3D Warehouse 还是明文禁止。也就是说风险不在 MCB 作者，而在原始模型的版权方。我们以研究者身份、非商用目的使用，gated=manual 上传并在此标明。使用请引用 MCB 论文，并注明上游三个平台的来源。

Load

from datasets import load_dataset
ds_a = load_dataset("AI4Manufacturing/mcb", "MCB_A")
ds_b = load_dataset("AI4Manufacturing/mcb", "MCB_B")

Gated — request access; granted manually.

复现（原始数据不入库）

FORGE_DATASETS_SUB=<dir> python mcb/convert_mcb.py test --fetch
FORGE_DATASETS_SUB=<dir> python mcb/convert_mcb.py train --fetch
# 若日志 census 报告归档里有 eval/: python mcb/convert_mcb.py eval --fetch

fetch 按 URL + 精确字节数校验两个 tar.gz，转换器从 tar.gz 流式读，不解压。

Provenance

源：GitHub stnoah1/mcb + Purdue C-Design Lab 项目页（同一对 Box 分享链接） MCB_A.tar.gz 2,510,660,110 字节 · MCB_B.tar.gz 1,833,544,307 字节（fetch 时逐字节数校验）
论文：Kim et al., A Large-scale Annotated Mechanical Components Benchmark for Classification and Retrieval Tasks with Deep Neural Networks, ECCV 2020.
许可：未声明 —— 见上。

Downloads last month: 22

Total file size:

7 GB