本文由 AI 分析生成
建立時間： 2026-05-14
Summary
EN: AgiBot World Colosseo (IROS 2025 Finalist + IEEE TRO 2026, arXiv:2503.06669) is the largest public robot manipulation dataset to date, with 1M+ teleoperated trajectories (2,976 hours) across 217 tasks, 87 skills, and 106 scenes using humanoid robots. It introduces the GO-1 generalist policy (latent action representations) achieving 30% improvement over Open-X pretrained policies and 60%+ success on complex tasks. Quality is enforced via multi-stage human-in-the-loop verification. Released in two tiers: Alpha (92k curated, 8.5T tokens) and Beta (1M full, 43.8T tokens).
ZH (繁體中文): AgiBot World Colosseo（IROS 2025 最佳論文候選 + IEEE TRO 2026，arXiv:2503.06669）是目前規模最大的公開機器人操作資料集，包含 100 萬筆以上遙操作示範（2,976 小時），橫跨 217 個任務、87 種技能、106 個場景，使用人形機器人收集。配套推出 GO-1 泛化策略（潛在動作表示），在複雜任務上比 Open-X 預訓練策略高 30%、比 RDT 方案高 32%，複雜任務成功率超過 60%。資料分兩級釋出：Alpha 精選子集（92k 筆，8.5T tokens）和 Beta 完整版（103 萬筆，43.8T tokens）。
Key Insights
- Insight 1 — 數量級跳躍的意義：從 DROID 的 76k 到 AgiBot 的 1M+ 是 13 倍的規模提升；這種規模可能觸發類似 LLM 的湧現能力（複雜任務泛化），而非線性改善。
- Insight 2 — 品質控制是差異化競爭點：在 1M 規模下維持品質的關鍵是多階段人工驗證流水線，而非依賴後處理過濾，這是 AgiBot World 相較 Open-X（聚合異構資料）的設計優勢。
- Insight 3 — 中國機器人生態系統的進入：AgiBot World 代表中國機器人公司（AgiBot/前智源機器人）進入大規模預訓練資料競賽，類似 Open-X 的中國版本，且規模已超越。
- Insight 4 — 潛在動作表示的創新：GO-1 使用潛在動作空間（而非顯式 joint/EE 動作）學習策略，這是一個值得關注的架構創新，可能影響後續 VLA 設計。
Connections
- droid-large-scale-in-the-wild-robot-manipulation-dataset — 量級比較：AgiBot 是 DROID 的 13 倍規模
- robomind-multi-embodiment-manipulation-dataset — 同期競爭者，多機體但規模小 10 倍
- world-models-robot-safety — 大規模資料對 world model 預訓練的影響