AgiBot World
收藏
资源简介：
为推动通用具身智能发展并提升高质量机器人数据的可获取性，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及上海库帕思科技有限公司发布大规模真机数据集 AgiBot World。该数据集基于多真实场景与多类型机器人系统采集，覆盖数据采集、处理与筛选流程，面向学术与产业提供通用机器人数据基础。当前已发布 Alpha 与 Beta 两个版本，其中 Beta 包含超过100万条操作轨迹（约43.8TB），Alpha 为约9万条精选子集。数据覆盖100余个真实场景，支持多任务学习与跨任务泛化研究，在长时序数据与复杂操作任务方面进行了扩展。任务涵盖80余种操作技能，从基础抓取到双臂协同及接触密集型复杂任务，重点支持接触式操作、长程规划及多机器人协作，并通过统一数据格式与约30Hz控制信号，为机器人策略学习与泛化评估提供系统化支持。
To advance the development of general embodied intelligence and improve access to high-quality robotic data, AgiBot, in collaboration with the Shanghai Artificial Intelligence Laboratory, the National and Local Co-built Humanoid Robotics Innovation Center, and Shanghai Kupasi Technology Co., Ltd., has released the large-scale real-world dataset **AgiBot World**. Collected from diverse real-world scenarios and multiple types of robotic systems, the dataset covers the full pipeline of data acquisition, processing, and filtering, providing a foundational resource for both academic research and industrial applications. Two versions, Alpha and Beta, have been released: the Beta version contains over one million operation trajectories (approximately 43.8 TB), while the Alpha version is a curated subset of around 90,000 trajectories. The dataset spans more than 100 real-world scenarios and supports multi-task learning as well as cross-task generalization, with particular expansion in long-horizon sequences and complex manipulation tasks. It includes over 80 types of operational skills, ranging from basic grasping to dual-arm coordination and contact-rich tasks, with a focus on contact-based manipulation, long-horizon planning, and multi-robot collaboration. Through a unified data format and control signals at approximately 30 Hz, AgiBot World provides systematic support for robotic policy learning and generalization evaluation.
AgiBot World 数据集概述
数据集特点
- 数据规模: AgiBot World Beta 已发布，包含超过100万条机器人操作轨迹（约43.8TB），Alpha 为约9万条精选子集。
- 场景多样性: 覆盖100+真实世界场景，来自100台机器人，涵盖5大目标领域。
- 硬件配置: 使用先进硬件系统，包括视觉触觉传感器、6自由度灵巧手及移动双臂机器人。
- 任务类型: 涉及接触密集型操作、长时序规划及多机器人协作等复杂任务。
- 模型生态: 配套发布 GO-1 与 GO-1 Air 基础模型，支持通用机器人策略学习。
数据集获取与预处理
- 数据获取: 支持通过 OpenDataLab（openxlab CLI）或 HuggingFace 下载（如 https://huggingface.co/datasets/agibot-world/AgiBotWorld-Beta）。
- 预处理: 使用
lerobot框架进行数据转换与加载，官方提供格式转换脚本。
训练
- 训练方法: 基于 GO-1 模型进行训练与微调，支持全参数或部分模块（Action Expert）微调。
- 训练框架: 使用 LeRobot 数据与训练体系，支持自定义配置与控制频率设置。
- 推理部署: 支持本地推理与远程推理（Server-Client 架构）。
未来计划
- GO-1 模型优化: 持续完善基础模型能力，开放更多预训练权重与微调工具。
- AgiBot World Challenge: 构建标准化评测体系与竞赛，推动机器人泛化能力评估。
- AgiBot World Colosseo: 持续扩展全栈机器人学习平台，完善数据-模型-评测闭环。
- 数据扩展: 持续增加更多场景、机器人类型与复杂任务数据。
许可与引用
- 许可: 数据集和代码均采用 CC BY-NC-SA 4.0 许可。
- 引用: 如果数据集对您的研究有帮助，请考虑引用相关论文与技术报告。
BibTeX @article{bu2025agibot_arxiv, title={Agibot world colosseo: A large-scale manipulation platform for scalable and intelligent embodied systems}, author={Bu, Qingwen and others}, journal={arXiv preprint arXiv:2503.06669}, year={2025} }
