Allt eftersom robotforskning går bortom kontrollerade labbinställningar till verkliga-miljöer, har efterfrågan på stor-data av hög-kvalitet blivit allt mer kritisk, enligt AGIBOT. Företaget släppte idag AGIBOT WORLD 2026, en heterogen datauppsättning med öppen-källkod som det sa är utformad för att systematiskt stödja fem viktiga forskningsvägar inom embodied intelligens.
"Datauppsättningen innehåller strukturerad, hög-kvalitet och exakt kommenterad verklig-världsrobotdata, vilket ger utvecklare och forskare en robust grund för att träna nästa-generations förkroppsligade AI-system", säger AGIBOT.
AGIBOT WORLD följer gratis-datainsamlingsstrategi-
AGIBOT WORLD 2026 spänner över ett brett utbud av verkliga-miljöer, inklusive kommersiella utrymmen, hem och vardagliga scenarier. AGIBOT sa att detta fångar komplexiteten, variabiliteten och oförutsägbarheten som robotar måste hantera i praktiken.
Till skillnad från konventionella datauppsättningar byggda på repetitiva och skriptade demonstrationer, har det Shanghai-baserade företaget antagit fria-datainsamlingsmetoder-, där teleoperatörer dynamiskt utför uppgifter baserat på realtidsförhållanden.
Den hävdade att den här strategin avsevärt kan öka mångfalden inom varje avsnitt och förbättra generaliseringen över flera dimensioner, inklusive objektkategorier, initiala konfigurationer och sekvenser för uppgiftskörning. AGIBOT sa att dess robot använder en flexibel hjulbas, ledade huvud- och midjerörelser och lyft-förmåga för effektiv, naturlig och mycket överförbar datainsamling.
Parallellt konstruerar AGIBOT 1:1 digitala tvillingmiljöer i simulering, med alla motsvarande simuleringsdata släppta tillsammans med den verkliga-världsdatauppsättningen
Innovationer överbryggar klyftan mellan data, verkligt robotbeteende
"En grundläggande fråga i förkroppsligad AI kvarstår: Speglar data verkligen hur en robot fungerar som ett integrerat system?" noterade AGIBOT. För att hantera detta har företaget introducerat flera funktioner:
Hela-kroppskontroll (WBC):Detta möjliggör koordinerad kontroll av armar, midja och händer, vilket gör att robotar kan utföra uppgifter mer flytande som ett enhetligt system snarare än genom isolerade rörelser.
Första-person utanför-visuella-räckvidden:Robotens uppfattning är i linje med operatörens, vilket möjliggör mer intuitiv, kontinuerlig och överförbar kontroll.
Tvinga-kontrollerad datainsamling:AGIBOT sa att det har inkorporerat kontaktdynamik och kraftåterkoppling, och fångar inte bara rörelsebanor utan också verkliga fysiska interaktioner.
"Tillsammans säkerställer dessa funktioner att datamängden mer exakt representerar robotbeteende i den verkliga-världen", hävdade företaget.
Industriell-hårdvara matar datapipelinen
AGIBOT förklarade att datamängden samlas in på dess G2-hårdvaruplattform, som integrerar hög-joint manöverdon, multi-modala sensorer och en hög-domänkontrollant för att stödja exakt kraftkontroll och skalbar utveckling.
Utrustad med Zhixing 90D-gripdon och den skickliga OmniHand, fångar G2 synkroniserad multi-modal data-inklusive RGB(D), taktila signaler, lidarpunktmoln, IMU-data och hel-kroppsledstillstånd-i en enhetlig pipeline.
AGIBOT tillade att varje dataavsnitt genomgår noggrann rensning och validering genom dess "industriella-klassade" data-system, vilket säkerställer beredskap för stor-modellutbildning och forskningsapplikationer.
Fas 1 release: Imitationsinlärning
Företaget sa att de planerar att släppa AGIBOT WORLD 2026 i fem faser, var och en i linje med en kärnforskningsriktning inom förkroppsligad intelligens.
Den första utgåvan fokuserar på imitationsinlärning, ett nyckelparadigm som gör det möjligt för robotar att förvärva komplexa fysiska färdigheter från expertdemonstrationer. Den här fasen inkluderar hundratals timmar av verklig-data som samlas in främst i kommersiella miljöer och tjänstemiljöer. Datauppsättningen kombinerar:
Uppgifts-nivåbeskrivningar (segment-nivåinstruktioner)
Åtgärdssekvenser (steg-utförande av-steg)
Atomiska färdighetsetiketter (t.ex. dra, placera)
Objektkommentarer (2D-begränsningsrutor och attribut som namn och färg)
"Viktigt är att-felåterställningsbanor också behålls och kommenteras", sa AGIBOT. "Det här hierarkiska annoteringsramverket-spänner från uppgifter på hög-nivå till åtgärder på låg-nivå-ger den trohet och korrigerande prioriteringar som behövs för att utbilda mer robusta och adaptiva förkroppsligade agenter."
AGIBOT WORLD en del av ett långsiktigt-engagemang för förkroppsligade AI-ekosystem
AGIBOT sa att det tillhör en liten grupp nystartade företag som använder en-långsiktig, infrastrukturdriven- strategi för förkroppsligande intelligens.
Företaget insåg tidigt att hög-kvalitetsdata är grunden för att låsa upp nästa generations robotfunktioner, och företaget har konsekvent öppnat-mängd-skala verklig-världs- och simuleringsdatauppsättningar.
AGIBOT sa att denna ansträngning återspeglar dess bredare mål inom förkroppsligad intelligens: att demokratisera tillgången till robotdata av-hög kvalitet. Genom den fortsatta utvecklingen av AGIBOT WORLD-ekosystemet strävar företaget efter att bidra till det globala robotsamhället och påskynda övergången av förkroppsligad AI från forskningslaboratorier till tillämpningar i verkliga-världen.