高質量數據集是具身智能訓練的重要燃料，但當下缺乏真機數據成為人形機器人技術發展的一個瓶頸。12月30日，澎湃科技（www.kxwhcb.com）上海機器人初創公司智元機器人處獲悉，智元機器人聯合上海人工智能實驗室、國家地方共建人形機器人創新中心以及上海庫帕思，正式開源百萬真機數據集AgiBot World，旨在支持更泛化和更通用的機器人大模型訓練。智能機器人透露，后續該公司還將發布具身基座大模型。

據智元機器人介紹，AgiBot World是全球首個基于全域真實場景、全能硬件平臺、全程質量把控的百萬真機數據集。此前，具身智能訓練領域大規模的開源數據集是Google的Open X-Embodiment。相較于前者，AgiBot World長程數據規模高出10倍，場景范圍覆蓋面擴大100倍，數據質量也從實驗室級上升到工業級標準。

“在這個具身數據的世界里，機器人不再只是進行簡單的桌面任務，而是進入到人類日常生活的方方面面，既有抓取、放置、推、拉等基礎操作，也有攪拌、折疊、熨燙等復雜動作。”智元機器人相關負責人介紹說。

據了解，AgiBot World數據集誕生于智元自建的大規模數據采集工廠與應用實驗基地，空間總面積超過4000平方米，包含3000多種真實物品，復刻了家居（40%）、餐飲（20%）、工業（20%）、商超（10%）和辦公（10%）五大核心場景，收錄了80多種日常生活中的多樣化技能視頻。

當前，高質量的數據集對于當下人形機器人技術的發展尤為重要，但行業內高質量數據稀缺這一問題存在已久，有業內人士此前在接受澎湃科技采訪時曾指出，盡管語音和圖像數據可以通過互聯網獲取進行標注訓練，但機器人需要的特定場景數據極為稀缺。

在數據采集方面，一直以來，業界也正積極補齊數據短缺這一短板。比如今年8月，特斯拉對外高薪招募“數據采集員”；12月27日，北京國地共建具身智能機器人創新數據采集基地亮相,同日，上海提出“搭建超大規模城市級的模擬應用場景，率先賦能具身智能、自動駕駛等大模型實訓”。

據了解，AgiBot World是智元機器人本年度開源的第三個項目，相關數據將在HuggingFace、Github以及Agibot-world.com項目主頁上分批上傳。智元機器人方面稱，將陸續開源千萬仿真數據，以支持更泛化和更通用的大模型訓練；將發布具身基座大模型，可支持模型微調；發布全套工具鏈，實現采集、訓練和評測閉環。