高质量数据集是具身智能训练的重要燃料，但当下缺乏真机数据成为人形机器人技术发展的一个瓶颈。12月30日，澎湃科技（www.thepaper.cn）上海机器人初创公司智元机器人处获悉，智元机器人联合上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思，正式开源百万真机数据集AgiBot World，旨在支持更泛化和更通用的机器人大模型训练。智能机器人透露，后续该公司还将发布具身基座大模型。
据智元机器人介绍，AgiBot World是全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集。此前，具身智能训练领域大规模的开源数据集是Google的Open X-Embodiment。相较于前者，AgiBot World长程数据规模高出10倍，场景范围覆盖面扩大100倍，数据质量也从实验室级上升到工业级标准。
“在这个具身数据的世界里，机器人不再只是进行简单的桌面任务，而是进入到人类日常生活的方方面面，既有抓取、放置、推、拉等基础操作，也有搅拌、折叠、熨烫等复杂动作。”智元机器人相关负责人介绍说。
据了解，AgiBot World数据集诞生于智元自建的大规模数据采集工厂与应用实验基地，空间总面积超过4000平方米，包含3000多种真实物品，复刻了家居（40%）、餐饮（20%）、工业（20%）、商超（10%）和办公（10%）五大核心场景，收录了80多种日常生活中的多样化技能视频。
当前，高质量的数据集对于当下人形机器人技术的发展尤为重要，但行业内高质量数据稀缺这一问题存在已久，有业内人士此前在接受澎湃科技采访时曾指出，尽管语音和图像数据可以通过互联网获取进行标注训练，但机器人需要的特定场景数据极为稀缺。
在数据采集方面，一直以来，业界也正积极补齐数据短缺这一短板。比如今年8月，特斯拉对外高薪招募“数据采集员”；12月27日，北京国地共建具身智能机器人创新数据采集基地亮相,同日，上海提出“搭建超大规模城市级的模拟应用场景，率先赋能具身智能、自动驾驶等大模型实训”。
据了解，AgiBot World是智元机器人本年度开源的第三个项目，相关数据将在HuggingFace、Github以及Agibot-world.com项目主页上分批上传。智元机器人方面称，将陆续开源千万仿真数据，以支持更泛化和更通用的大模型训练；将发布具身基座大模型，可支持模型微调；发布全套工具链，实现采集、训练和评测闭环。
