划重点
01智元机器人发布百万真机数据集AgiBot World，涵盖真实场景和多种硬件平台。
02该数据集包含80余种日常生活中的多样化技能，以及超过100种真实场景和3000多种物品。
03AgiBot World数据集80%的任务为长程任务，时长集中在60s-150s之间，场景范围覆盖面扩大100倍。
04为此，智元机器人配备了8个摄像头的360°感知系统和具有6个主动自由度的灵巧手臂。
052025年，智元机器人将陆续开源百万真机全量数据，并同步推送千万仿真数据。
以上内容由腾讯混元大模型生成，仅供参考
腾讯科技特约作者 周小燕
编辑 郑可君
12月30日，智元机器人连同上海人工智能实验室、国家地方共建人形机器人创新中心及上海库帕思，共同对外发布百万真机数据集开源项目AgiBot World，AgiBot World是一个大规模的机器人数据集，涵盖真实场景和多种硬件平台。
AgiBot World是智元在自建实验基地中打造的大型数据采集平台，该实验基地面积超过4000平方米，包含3000多种物品，复刻家居、餐饮、工业、商超和办公等五大核心场景。通过这些场景，机器人可以进行家务清洁、物品整理、超市货架陈列、餐厅服务、物流搬运等任务，为机器人研发和测试提供了真实的应用环境。
具身智能领域的ImageNet何时到来？
根据智元机器人官方公布，AgiBot World数据集收录了八十余种日常生活中的多样化技能，从抓取、放置、推、拉等基础操作，到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互等。
此外，AgiBot World包含超过100种真实场景、3000多种物品，按家居（40%）、餐饮（20%）、工业（20%）、商超（10%）和办公（10%）进行分布。
场景和任务分布
各个场景物品分类
机器人数据集对于机器人技术的进步非常重要，因为它提供了大量的真实场景和任务，帮助机器人学习如何在不同环境下工作。高质量的数据集能够确保机器人的学习过程更加准确，避免因数据问题而影响其表现。
在全世界，不论是科技巨头，还是科研机构或创业公司，都十分注重构建机器人数据集。
谷歌DeepMind曾通过整合来自22种不同类型机器人的数据，创建了Open X-Embodiment数据集。但这个数据集存在一些问题，比如缺乏统一的采集标准，许多机器人构型已经过时，数据质量不一致，甚至在机器人策略学习时可能引发副作用。
为了实现标准化的数据采集，斯坦福、伯克利、谷歌等团队也创建了DROID数据集，虽然涵盖了丰富的场景和技能，但研究人员指出，DROID中包含大量低质量数据，这会影响机器人的学习效果。
一些初创公司通过自采集的高质量双臂机器人数据，成功训练出了能够执行复杂任务如整理、分拣、洗衣的模型，这证明了高质量数据在具身智能领域的重要性。然而，这些数据集目前仅供公司内部使用，并未公开。
Open X-Embodiment, ICRA 2024
根据智元机器人官方消息，AgiBot World 80%的任务为长程任务，时长集中在60s-150s之间，是DROID和OpenX-Embodiment 工作的5倍。相比于Google开源的Open X-Embodiment数据集，AgiBot World的长程数据规模高出10倍，场景范围覆盖面扩大100倍，数据质量从实验室级上升到工业级标准。
为了实现数据集搜集的精准度和广度，智元机器人表示，AgiBot World配备了8个摄像头的360°感知系统，能够实时全面地监测周围环境的变化。它采用具有6个主动自由度的灵巧手臂，确保能够精确完成如熨衣服等复杂操作。机器人末端配备六维力传感器，并可选配高精度视触觉传感器，能够感知微小的力变化，保证操作的精细度。全身具备最多32个自由度，能够灵活应对洗衣、做饭、分拣、搬运等多种任务。
目前，AgiBot World为机器人提供了一个真实的生产生活环境，接入AgiBot World，机器人可以使用清扫工具对地面进行全面清洁，包括碎屑、灰尘和液体等。
机器人还可以清理家居表面的灰尘和污垢，精确控制掸子或软布进行擦拭，避免划伤表面。
在厨房，机器人可以根据食材种类和沙拉配方，完成切割、混合和装盘操作，也可以控制清洁工具对瓶内外进行刷洗，去除污渍。
机器人通过双手协作，一只手稳稳抓住衬衫的一角，另一只手精准控制挂烫机与衣物的距离，细致地熨烫每一道褶皱，让衣物焕发平整光泽。
2025年，智元机器人将陆续开源百万真机全量数据，并同步推送千万仿真数据。此外，智元机器人宣布会发布具身基座大模型，支持模型微调。