3D Scene Understanding Benchmark for Robotics是机器人3D场景理解领域的标准化评测基准，用于评估和比较不同3D场景理解算法在机器人操作任务中的性能。该基准提供了多种机器人3D场景理解测试场景，包括3D目标检测与姿态估计（在点云/深度图/多视角图像中进行3D目标检测和6D姿态估计，包括遮挡/截断/透明物体）、3D语义与实例分割（对3D点云进行语义分割和实例分割，包括室内/室外/工业场景）、可操作性分析（可操作性检测/抓取点预测/接触点预测/支撑关系推理/物理属性估计）、3D场景图构建（3D场景图生成/物体关系推理/空间关系建模/动态场景图更新）、操作规划集成（基于3D场景理解的抓取规划/运动规划/任务规划，包括抓取/放置/装配/推/开门/倒水）、实时3D感知（实时点云处理/在线3D重建/动态物体跟踪/增量场景更新）、sim-to-real 3D感知（将仿真中学习的3D感知模型迁移到真实机器人）等，支持多种3D场景理解方法和多种机器人平台（工业机器人/协作机器人/人形机器人/服务机器人）。3D Scene Understanding Benchmark for Robotics支持多种评估指标，包括3D感知性能（3D检测mAP/AP/IoU/6D姿态误差ADD/ADD-S/分割mIoU）、可操作性性能（可操作性检测AP/抓取点预测准确率/接触点误差/抓取成功率）、场景图性能（3D场景图Recall@K/关系预测准确率/场景图完整性/时序一致性）、操作性能（抓取成功率/放置成功率/装配成功率/任务完成率/规划时间）、实时性能（推理延迟/帧率/吞吐量/CPU/GPU/内存占用）、sim-to-real性能（sim-to-real性能差距/域适应增益/真实场景性能）等，提供了标准化的评估协议和多个公开数据集（ScanNet/ScanNet200/SUN RGB-D/YCB-Video/LineMOD/GraspNet等）。该基准推动了机器人3D场景理解技术的发展，多种经典和最新的3D场景理解算法都在该基准上进行了评估和对比。该基准被广泛应用于工业机器人、协作机器人、人形机器人、服务机器人、医疗机器人等领域的3D场景理解和操作感知系统研究和开发中，是机器人3D场景理解算法评估的标准基准之一。