Ettersom robotforskning beveger seg forbi kontrollerte laboratorieinnstillinger og inn i virkelige-miljøer, har etterspørselen etter stor-data av høy-kvalitet blitt stadig mer kritisk, ifølge AGIBOT. Selskapet ga i dag ut AGIBOT WORLD 2026, et heterogent-åpen kildedatasett som det sies er designet for å systematisk støtte fem sentrale forskningsveier innen embodied intelligens.
"Datasettet har strukturerte,-kvalitets og nøyaktig kommenterte robotdata fra den virkelige-verden, og gir utviklere og forskere et robust grunnlag for opplæring av neste-generasjons kroppsliggjorte AI-systemer," sa AGIBOT.
AGIBOT WORLD følger strategien for innsamling av gratis-skjemadata-
AGIBOT WORLD 2026 spenner over et bredt spekter av virkelige-miljøer, inkludert kommersielle rom, hjem og hverdagsscenarier. AGIBOT sa at dette fanger kompleksiteten, variabiliteten og uforutsigbarheten som roboter må håndtere i praksis.
I motsetning til konvensjonelle datasett bygget på repeterende og skriptede demonstrasjoner, har det Shanghai-baserte selskapet tatt fri-formdata-tilnærming, der teleoperatører dynamisk utfører oppgaver basert på sanntidsforhold.
Den hevdet at denne strategien kan forbedre mangfoldet i hver episode betydelig og forbedre generaliseringen på tvers av flere dimensjoner, inkludert objektkategorier, innledende konfigurasjoner og oppgavekjøringssekvenser. AGIBOT sa at roboten deres bruker en fleksibel hjulbase, leddede hode- og midjebevegelser og løfte-pitch-funksjoner for effektiv, naturlig og svært overførbar datainnsamling.
Parallelt konstruerer AGIBOT 1:1 digitale tvillingmiljøer i simulering, med alle tilsvarende simuleringsdata utgitt sammen med det virkelige-datasettet
Innovasjoner bygger bro mellom data, ekte robotatferd
"Et grunnleggende spørsmål i legemliggjort AI gjenstår: Gjenspeiler dataene virkelig hvordan en robot fungerer som et integrert system?" bemerket AGIBOT. For å løse dette har selskapet introdusert flere funksjoner:
Hele-kroppskontroll (WBC):Dette muliggjør koordinert kontroll av armer, midje og hender, slik at roboter kan utføre oppgaver mer flytende som et enhetlig system i stedet for gjennom isolerte bevegelser.
Første-person utenfor-visuell-teleoperasjon:Robotens oppfatning er på linje med operatørens, og muliggjør mer intuitiv, kontinuerlig og overførbar kontroll.
Tving-kontrollert datainnsamling:AGIBOT sa at den har inkorporert kontaktdynamikk og kraftfeedback, og fanger ikke bare bevegelsesbaner, men også ekte fysiske interaksjoner.
"Til sammen sikrer disse egenskapene at datasettet mer nøyaktig representerer den virkelige- robotatferden," hevdet selskapet.
Maskinvare av industriell-kvalitet mater datapipelinen
AGIBOT forklarte at datasettet er samlet på G2-maskinvareplattformen, som integrerer høy-ledaktuatorer med høy ytelse, multi-modale sensorer og en-domenekontroller med høy ytelse for å støtte presis kraftkontroll og skalerbar utvikling.
Utstyrt med Zhixing 90D-gripere og den fingernemme OmniHand, fanger G2 opp synkroniserte multi-modale data-inkludert RGB(D), taktile signaler, lidarpunktskyer, IMU-data og hel-leddtilstander-i en enhetlig rørledning.
AGIBOT la til at hver dataepisode gjennomgår grundig rensing og validering gjennom sitt "industrielle-grade" data-behandlingssystem, som sikrer beredskap for stor-modellopplæring og forskningsapplikasjoner.
Fase 1-utgivelse: Imitasjonslæring
Selskapet sa at det planlegger å gi ut AGIBOT WORLD 2026 i fem faser, hver på linje med en kjerneforskningsretning innen legemliggjort intelligens.
Den første utgivelsen fokuserer på imitasjonslæring, et nøkkelparadigme som gjør det mulig for roboter å tilegne seg komplekse fysiske ferdigheter fra ekspertdemonstrasjoner. Denne fasen inkluderer hundrevis av timer med virkelige-data samlet inn hovedsakelig i kommersielle miljøer og tjenestemiljøer. Datasettet kombinerer:
Oppgave-nivåbeskrivelser (segment-nivåinstruksjoner)
Handlingssekvenser (trinn-utførelse-trinn)
Atomiske ferdighetsetiketter (f.eks. trekk, plasser)
Objektkommentarer (2D-avgrensningsbokser og attributter som navn og farge)
"Viktig er det at-feilgjenopprettingsbaner også beholdes og kommenteres," sa AGIBOT. "Dette hierarkiske annoteringsrammeverket-spenner fra oppgaver på høyt-nivå til handlinger på lavt-nivå-gir troskapen og korrigerende forutsetninger som trengs for å trene opp mer robuste og adaptive legemliggjorte agenter."
AGIBOT WORLD er en del av en langsiktig-forpliktelse til legemliggjort AI-økosystem
AGIBOT sa at det er blant en liten gruppe oppstartsbedrifter som tar en lang-, infrastrukturdrevet-tilnærming til embodied intelligens.
Selskapet erkjenner tidlig at høy-kvalitetsdata er grunnleggende for å låse opp neste generasjon robotfunksjoner, og har konsekvent åpnet-millioner-skala virkelige-verden og simuleringsdatasett.
AGIBOT sa at denne innsatsen reflekterer dets bredere mål innen nedfelt intelligens: å demokratisere tilgangen til robotdata av{0}}kvalitet. Gjennom den fortsatte utviklingen av AGIBOT WORLD-økosystemet, har selskapet som mål å bidra til det globale robotsamfunnet og akselerere overgangen av legemliggjort AI fra forskningslaboratorier til virkelige-applikasjoner.