Home organization app with AI and 3D mapping
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 15/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- docker, docker-compose, ios, react, three.js
- Área
- ai, api, backend-api-design, computer-graphics, devops, frontend, full-stack, mobile
Línea de trabajo
El issue no menciona archivos, pruebas ni puntos de entrada. Empieza por dividir el ciclo de vida del escaneo del backend, el microservicio de AI, el visor React, el escaneo móvil y la configuración de Docker en issues de implementación concretos. Para considerarlo terminado, se necesitarían escaneos cargados, anclajes de elementos editables, sugerencias de AI, inicio local de Docker Compose y una estructura del proyecto documentada.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Feature Summary:
Build a home organization app allowing users to catalog household items with the following capabilities:
- AI-powered image recognition for inventorying and categorizing items.
- Natural language search and smart recommendations.
- 3D map of the user's home, with ability to scan rooms (e.g., via iOS RoomPlan or AR) and overlay inventory positions.
- Frontend (React) UI, backend API server, and dedicated AI microservice architecture.
Key requirements:
- Room/area scanning on mobile (iOS RoomPlan/ARKit as MVP, ARCore for Android as future work).
- Support for GLB/USDZ scan file upload and anchor placement for items.
- Backend endpoints for scan lifecycle: upload, process, anchors management.
- Three.js (or similar) based 3D/2D viewer for home and item locations.
- Modular, privacy-aware AI microservice for vision and semantic analysis.
- Clean, documented Docker development setup for all components.
Acceptance criteria:
- Users can upload room scans, process them, and view 3D maps with item anchors.
- Users can add/edit items, attach them to anchors or locations on the map.
- The system suggests item categories/locations using AI.
- Project runs locally using Docker Compose.
- README and code are structured for further app and ML feature expansion.
Next tasks will include detailed implementation issues for backend endpoints, AI microservice, frontend 3D map UI, Docker setup, and sample mobile client.
- Lenguaje dominante
- C
- Estrellas
- 3
- Forks
- 7
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Guía de contribución
No hay ninguna guía de contribución indexada para este repositorio
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de githubteacher/furry-computing-machine
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
-
This is my check list for class Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 10/100
Todos los issues de githubteacher/furry-computing-machine
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
duckdb/duckdb-wasm#2258 ·
-
how does install.sh work Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100
rofl0r/microsocks#110 ·
-
OTA is not aborted correctly Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
espressif/esp-aws-iot#261 ·
-
os:linux
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
mpv-player/mpv#18510 · 2 comentarios ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100