面向具身智能的规模化 Agentic 3D 场景生成框架，支持从自然语言任务描述自动批量生成 Isaac Sim 仿真就绪的 3D 室内环境与机器人训练数据，内置 10k 场景数据集。
SAGE（Scalable Agentic 3D Scene Generation for Embodied AI）由 NVIDIA Research 联合 UIUC、Cornell、Stanford 开发，是一个端到端的 3D 场景生成与机器人数据生产框架。其核心流程为：用户输入自然语言任务描述（如"从厨房取水壶"），系统通过 LLM（gpt-oss-120b）理解任务意图，由 VLM（Qwen3-VL）进行视觉推理，经 MCP（Model Context Protocol）架构协调 TRELLIS 3D 资产生成、MatFuse/FLUX 材质合成、场景布局求解等模块，最终输出 Isaac Sim 可直接加载的完整 3D 场景。
框架采用 Client-Server 分离架构。Server 端承载基础模型推理与 3D 生成服务，Client 端运行 Isaac Sim 仿真引擎与本地材质生成，双方通过 MCP 协议通信。所有大模型均通过 vLLM 部署，支持 tensor parallel 异步调度。
在数据增强方面，SAGE 提供布局级增强（保持任务语义、重新生成背景布局）、姿态增强（小物体姿态随机化）和类别级物体替换三种策略。在机器人数据生成方面，集成 M2T2 可生成接触丰富的操作轨迹，支持静态 Franka Arm 和移动 Franka 两种配置，产出 HDF5 格式数据可直接用于 robomimic 策略训练。
SAGE-10k 数据集包含 10,000 个多样化室内场景，覆盖 50 种房间类型与风格，包含 565K 唯一 3D 物体，托管于 Hugging Face。所有场景生成脚本均支持图像条件输入（image conditioning），可用于 Real2Sim 研究流程。
运行依赖较重：需 Isaac Sim 4.2.0、GPU 集群（客户端 VLM 需 8-GPU tensor parallel）、HuggingFace Token 及 objathor 基础数据。
主要语言为 Python（约 98.6%），主体仓库采用 Apache-2.0 许可证。论文以 arXiv 预印本形式发布（2602.10116）。仓库目前无 release 发布，仅有一个 commit，成熟度待观察。