智元开源AGIBOT WORLD 2026第三期：强化学习数据集，让机器人从经验中学习
智元发布 AGIBOT WORLD 2026 第三期开源数据集，包含上万条示教、部署、人工纠正轨迹，配套细粒度标注，面向真机强化学习研究，已在 Hugging Face 开放获取。
导言
AGIBOT WORLD 2026 是首个覆盖具身智能全域研究的开源数据集，基于丰富真实场景，围绕五大具身领域研究主题构建，每个主题均设有专属采集方法与精细化的标注体系，以精准支持不同细分领域研究者的需求。继模仿学习和多样交互两期数据集之后，本期进一步面向强化学习，开放机器人从专家示教、真实部署到人工纠正过程中产生的多类真实交互经验数据。
正文
过去几年，大规模专家示教数据推动机器人模仿学习快速发展，帮助机器人学习“面对一个任务应该怎么做”。 但进入真实环境后，机器人产生的数据并不都是标准答案：有成功，也有失败；有偏差，也有恢复；有自主执行，也有人类接管。 这些真实交互记录了模型的能力边界、失败状态、有效行为和纠正过程，是专家示教无法完全提供的经验数据（Experience Data）。 因此，机器人不仅要学习别人如何成功完成任务，也要学会利用自己与真实世界交互产生的经验。
为此，智元正式发布 AGIBOT WORLD 2026 第三期开源强化学习数据集。该数据集覆盖了从示教到部署的各个阶段：专家示教提供任务的标准示范；人类在环纠正轨迹记录了模型执行犯错时人类的接管与纠正；部署推理轨迹（Rollout）则有模型真实部署执行产生的成功与失败。在此基础上，数据集进一步标注了进度、错误、成功与干扰等关键信息。研究者可以据此训练不同维度的奖励模型（Reward Model），将轨迹级的成败结果细化为过程反馈，为真机强化学习的研究提供可复用的数据基础。
本期数据集首批开源数据覆盖11430条轨迹，包含1024条成功Rollout轨迹、1369条失败Rollout轨迹，并提供丰富的细粒度标注。我们希望以此降低真机强化学习中积累执行反馈的成本，让不同团队在同一批真实轨迹上复现实验、比较方法，并把分散在各场景中的经验沉淀为公共资产。
AGIBOT WORLD 2026第三期：真机强化学习
从示教到部署，采集机器人的“实战轨迹”
本期首批数据集聚焦工业与家居等真实场景，设计网线插接、钥匙开门等14类交互任务，覆盖精细操作、复杂长程和强接触等不同任务类型。
数据采集贯穿从示教、部署到纠正的三个阶段：
以上三张图，排版左右滑动
从过程到结果，标注真实执行中的关键反馈
强化学习需要的不是“机器人做了什么”的笼统记录，而是“这一步做得怎么样”“任务推进到哪一步”的精细反馈。
本期数据集围绕真实执行过程，对成功、错误、接管、干扰等关键状态进行细粒度标注；在此基础上，用户可进一步结合标注信息，识别风险与错误恢复过程。成功帧提供明确的任务达成信号，错误、干扰和风险区间帮助模型识别异常与危险状态，接管区间记录人工介入时机，错误恢复区间则提供从错误到恢复的真实过程。
丰富标注
以首批开放的近万条轨迹为基础，本期数据集共包含98159个子任务区间标注，每个子任务均带有完成状态标注；同时标注了26493段干扰片段、5795段错误状态，以及10684段人工接管。
这些细粒度标注可以进一步转化为强化学习所需的反馈信号，用于训练奖励模型、价值模型，支持任务进度预测、成功检测、错误识别、风险预警、接管提示以及错误恢复等研究。
数据在强化学习的应用
让机器人从每一次成功与失败中进步
对具身智能而言，真正的技能从来不是复刻标准化动作，而是在动态真实环境中感知反馈、自主纠错、持续优化。
模仿学习让模型从专家示教中学习任务，而强化学习则提供了另一条优化路径：利用真实执行反馈，判断哪些行为推动了任务、哪些状态存在风险，并将这些判断转化为可供训练的奖励信号。高质量的真机轨迹与过程标注，是开展这类研究的重要基础。
AGIBOT WORLD 2026 第三期真机强化学习数据集，完整留存每一次物理接触、每一处执行偏差、每一轮人工修正，让真机强化学习拥有高质量、可复用、闭环式训练底座，让机器人不仅要从成功示范中学会“怎么做”，还要从错误、风险和人工纠正中学会“如何做得更好”。加速行业从 “实验室演示” 走向规模化产业部署，迈进具身智能生产力新时代！
（全文完）
AGIBOT WORLD 2026 是首个覆盖具身智能全域研究的开源数据集，基于丰富真实场景，围绕五大具身领域研究主题构建，每个主题均设有专属采集方法与精细化的标注体系，以精准支持不同细分领域研究者的需求。继模仿学习和多样交互两期数据集之后，本期进一步面向强化学习，开放机器人从专家示教、真实部署到人工纠正过程中产生的多类真实交互经验数据。
正文
过去几年，大规模专家示教数据推动机器人模仿学习快速发展，帮助机器人学习“面对一个任务应该怎么做”。 但进入真实环境后，机器人产生的数据并不都是标准答案：有成功，也有失败；有偏差，也有恢复；有自主执行，也有人类接管。 这些真实交互记录了模型的能力边界、失败状态、有效行为和纠正过程，是专家示教无法完全提供的经验数据（Experience Data）。 因此，机器人不仅要学习别人如何成功完成任务，也要学会利用自己与真实世界交互产生的经验。
为此，智元正式发布 AGIBOT WORLD 2026 第三期开源强化学习数据集。该数据集覆盖了从示教到部署的各个阶段：专家示教提供任务的标准示范；人类在环纠正轨迹记录了模型执行犯错时人类的接管与纠正；部署推理轨迹（Rollout）则有模型真实部署执行产生的成功与失败。在此基础上，数据集进一步标注了进度、错误、成功与干扰等关键信息。研究者可以据此训练不同维度的奖励模型（Reward Model），将轨迹级的成败结果细化为过程反馈，为真机强化学习的研究提供可复用的数据基础。
本期数据集首批开源数据覆盖11430条轨迹，包含1024条成功Rollout轨迹、1369条失败Rollout轨迹，并提供丰富的细粒度标注。我们希望以此降低真机强化学习中积累执行反馈的成本，让不同团队在同一批真实轨迹上复现实验、比较方法，并把分散在各场景中的经验沉淀为公共资产。
AGIBOT WORLD 2026第三期：真机强化学习
| 项目主页：agibot-world.com 开源地址：huggingface.co/datasets/agibot-world/AgiBotWorld2026 |
从示教到部署，采集机器人的“实战轨迹”
本期首批数据集聚焦工业与家居等真实场景，设计网线插接、钥匙开门等14类交互任务，覆盖精细操作、复杂长程和强接触等不同任务类型。
数据采集贯穿从示教、部署到纠正的三个阶段：
- 专家示教轨迹，由人类操作员完成任务，记录任务在真实环境中的标准执行轨迹。
- 部署推理轨迹，模型进入真实场景执行任务，成功和失败结果均被记录。成功rollout展示策略已经具备的能力，失败Rollout则暴露模型在不同任务阶段的能力边界。
- 人类在环纠正轨迹，模型首先自主推理并执行任务，人类操作员在策略出现偏差时进行接管纠正。数据同时保留接管前的模型行为、接管时机、接管后的纠正动作。
 |
 |
以上三张图，排版左右滑动
从过程到结果，标注真实执行中的关键反馈
强化学习需要的不是“机器人做了什么”的笼统记录，而是“这一步做得怎么样”“任务推进到哪一步”的精细反馈。
本期数据集围绕真实执行过程，对成功、错误、接管、干扰等关键状态进行细粒度标注；在此基础上，用户可进一步结合标注信息，识别风险与错误恢复过程。成功帧提供明确的任务达成信号，错误、干扰和风险区间帮助模型识别异常与危险状态，接管区间记录人工介入时机，错误恢复区间则提供从错误到恢复的真实过程。
丰富标注
以首批开放的近万条轨迹为基础，本期数据集共包含98159个子任务区间标注，每个子任务均带有完成状态标注；同时标注了26493段干扰片段、5795段错误状态，以及10684段人工接管。
这些细粒度标注可以进一步转化为强化学习所需的反馈信号，用于训练奖励模型、价值模型，支持任务进度预测、成功检测、错误识别、风险预警、接管提示以及错误恢复等研究。
数据在强化学习的应用
让机器人从每一次成功与失败中进步
对具身智能而言，真正的技能从来不是复刻标准化动作，而是在动态真实环境中感知反馈、自主纠错、持续优化。
模仿学习让模型从专家示教中学习任务，而强化学习则提供了另一条优化路径：利用真实执行反馈，判断哪些行为推动了任务、哪些状态存在风险，并将这些判断转化为可供训练的奖励信号。高质量的真机轨迹与过程标注，是开展这类研究的重要基础。
AGIBOT WORLD 2026 第三期真机强化学习数据集，完整留存每一次物理接触、每一处执行偏差、每一轮人工修正，让真机强化学习拥有高质量、可复用、闭环式训练底座，让机器人不仅要从成功示范中学会“怎么做”，还要从错误、风险和人工纠正中学会“如何做得更好”。加速行业从 “实验室演示” 走向规模化产业部署，迈进具身智能生产力新时代！
（全文完）
责任编辑： 流过
