香蕉皮怎么剥？可乐怎么倒进杯子？咖啡上的拉花又该如何完成？这些对人类而言几乎无需思考的日常动作，对机器人来说却并不简单。想让机器人真正走进家庭、承担家务，它不仅要学会执行动作，更要理解动作与真实世界之间复杂的物理关系。
6月3日，智元正式开源AGIBOT WORLD 2026数据集第二期主题“多样交互（Rich Interaction）”。这是业内首个聚焦物理交互的开源具身数据集，面向世界模型、神经仿真器、物理感知以及表征学习等具身智能研究，系统记录机器人与真实物理世界之间复杂、高密度、非理想的交互过程，旨在补齐当前世界模型训练中长期缺失的真实物理交互数据。
目前，该数据集已在国际知名开源平台“抱抱脸”（Hugging Face）开放下载。继此前发布以“模仿学习”为主题的第一期数据集后，AGIBOT WORLD 2026进一步将数据建设从专家示范和成功轨迹，推进到真实环境中更复杂、更不确定、也更接近物理世界本质的交互学习阶段。
长期以来，具身智能数据集大多围绕标准任务、专家示范和成功案例展开。然而现实世界并不总是理想、稳定和可控的。机器人在现实环境中会频繁遇到抓取失败、物体滑落、意外碰撞、液体飞溅、布料变形等非标准情境。对于人类而言，这些是日常生活中习以为常的经验；但对于机器人而言，它们恰恰是理解接触、摩擦、重心、形变和反馈等物理规律的关键入口。
正因如此，AGIBOT WORLD 2026第二期“多样交互”数据集选择了一条与传统路径不同的路线。相比过去只保留“成功案例”的采集逻辑，该数据集主动保留大量非理想交互过程，强调失败行为本身的研究价值。
据介绍，该数据集100%基于真实场景采集，系统记录了机器人与不同材质、形态和结构物体之间的丰富物理互动，覆盖成功与失败、预期与意外、稳定与混沌等多种交互状态。通过开放这批数据，智元希望为世界模型提供更接近真实世界运行规律的数据基础，推动机器人从“学习如何完成任务”进一步走向“理解动作如何改变世界”。
那些过去常被视为“失败”或“噪声”的数据，正在成为世界模型研究中宝贵的资产。对于世界模型而言，如果训练数据只包含标准动作和成功示范，模型往往容易停留在对成功状态的拟合上。当面对少见动作、复杂接触和非理想情况时，模型可能难以准确预测真实世界中的失败分布与物理演化。只有见过足够丰富的成功与失败过程，模型才能更好地模拟真实未来场景，减少不符合物理规律的生成结果。
智元在实验中证实，基于其世界模型仿真器Genie Envisioner-Sim 2.0，多样交互数据与失败数据对于提升Action-Conditioned World Model的建模能力具有重要意义。相比仅基于成功示范训练的模型，纳入更丰富动作分布、接触过程和非理想交互结果的数据，有助于模型更准确地理解“动作如何改变世界”，并提升未来状态预测的物理一致性。
业内人士认为，本期数据集的发布，意味着具身智能数据建设正在进入新的阶段。过去，机器人更多是在学习“如何成功执行动作”；现在，机器人需要进一步学习“真实世界如何回应动作”。从成功到失败，从动作到反馈，从任务完成到世界理解，AGIBOT WORLD 2026正试图为下一代世界模型、机器人学习和物理智能研究搭建更完整的数据底座。
随着“多样交互”数据集开源，智元希望推动全球研究者共同探索真实物理世界中的复杂交互规律，加速世界模型、具身智能和物理智能的发展。
国汇策略提示：文章来自网络，不代表本站观点。
