补齐世界模型数据短板！智元上新多样交互开源机器人数据集

2026年6月3日，智元正式开源了AGIBOT WORLD 2026数据集的第二期，主题定为“多样交互”（Rich Interaction）。这可不是一次普通的数据集更新——它是行业首个专注于物理交互的开源具身数据集，目标直指世界模型、神经仿真器、物理感知和表征学习等前沿方向。简单说，这次不是让机器人再学一遍“怎么做对”，而是让它真正理解“真实世界到底怎么回应动作”。

数据集已经在Hugging Face开放下载。很多人可能还记得，不久前智元刚发布了以“模仿学习”为主题的第一期数据集。那时主要聚焦在专家示范和成功轨迹上。而第二期的变化非常明显：数据建设从“标准剧本”转向了更复杂、更不确定、也更贴近物理世界本质的交互学习阶段。这背后的逻辑是什么？——如果机器人永远只学成功案例，那就永远只是在温室里生长。

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。但现实世界从来都不是理想、稳定、可控的实验台。机器人一旦走出实验室，就会遇到抓取失败、物体滑落、意外碰撞、液体飞溅、布料变形……这些对人类来说不过是日常生活里的习以为常，但对机器人来说，却是理解接触、摩擦、重心、形变和反馈等物理规律的黄金入口。遗憾的是，过去这些“意外”往往被当成垃圾数据丢掉了。

这一次，智元选择反其道而行之。AGIBOT WORLD 2026第二期“多样交互”数据集，正是为了补齐世界模型训练中那块长期缺失的真实物理交互拼图。与传统数据集只关注“成功示范”的采集逻辑不同，这次智元主动保留并强调非理想行为的研究价值。数据集基于100%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——成功与失败、预期与意外、稳定与混沌，全部打包。其目的很明确：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”走向“理解动作如何改变世界”。

这些过去常被视为“失败”或“噪声”的数据，如今正成为世界模型研究中不可多得的资产。道理很简单：如果训练数据只包含标准动作和成功示范，模型很容易陷入对成功状态的机械拟合。一旦遇到少见动作、复杂接触和非理想情况，模型很可能无法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，减少那些违背物理规律的离谱预测。

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的建模能力具有显著价值。相比仅靠成功示范训练出来的模型，纳入更丰富的动作分布、接触过程和非理想交互结果，能帮助模型更精准地理解“动作如何改变世界”，并提升未来状态预测的物理一致性。

这一期数据集的发布，标志着具身智能数据建设正在进入全新阶段。过去，机器人更多是在学习“如何成功执行动作”；现在，它需要进一步学会对世界的建模——“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正在为下一代世界模型、机器人学习和物理智能研究搭建更完整的底层基础设施。可以预见，随着更多研究者加入探索，这些真实交互数据将加速整个领域的进化。