AgiBot World Colosseo：面向可扩展智能具身系统的大规模操作平台
智元机器人发布 AgiBot World 平台，覆盖 5 个部署场景、217 项任务、超 100 万条轨迹，数据规模较现有数据集提升一个数量级；采集流程标准化并引入人工在环验证，可从夹爪扩展至灵巧手与视触觉传感器。基于该数据训练的通用策略 GO-1 采用潜在动作表示，在域内与分布外场景平均性能较 Open X-Embodiment 预训练策略提升 30%，复杂真实任务成功率超 60%，较 RDT 方法高 32%。数据集、工具与模型均已开源。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《AgiBot World Colosseo: A Large-scale Manipulation Platform for Scalable and Intelligent Embodied Systems》查看原链
arXiv:2503.06669v5 公告类型：替换 摘要：我们探索可扩展的机器人数据如何应对通用机器人操作在真实世界中的挑战。 我们推出 AgiBot World，这是一个大规模平台，包含五个部署场景下 217 项任务的超过 100 万条轨迹，数据规模相比现有数据集提升一个数量级。
借助标准化采集流程与人工在环验证，AgiBot World 保证了高质量且多样化的数据分布。 它可从夹爪扩展到灵巧手和视触觉传感器，以支持精细技能获取。 在数据基础上，我们推出 Genie Operator-1（GO-1），这是一种新颖的通用策略，利用潜在动作表示最大化数据利用率，并展现出随数据量增加而可预测的性能扩展。
在我们的数据集上预训练的策略，在域内和分布外场景中，平均性能均比在 Open X-Embodiment 上训练的策略提升 30%。 GO-1 在真实世界的灵巧与长时程任务中表现突出，复杂任务成功率超过 60%，比先前的 RDT 方法高出 32%。
通过开源数据集、工具和模型，我们旨在让大规模高质量机器人数据的获取更加普及，推动可扩展通用智能的发展。