AGIBOT WORLD 2026 作为首个覆盖具身智能全域研究的开源数据集，依托丰富的真实场景，围绕五大具身领域构建，每个主题均配备了专属采集方法与精细化标注体系，旨在精准满足不同细分领域研究者的需求。继前两期模仿学习与多样交互数据集之后，本期重点面向强化学习领域，开放了机器人从专家示教、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。
过去几年，大规模专家示教数据推动了机器人模仿学习的快速发展，使机器人学会了“面对任务应如何操作”。然而，进入真实环境后，机器人采集的数据并不总是标准答案：既有成功也有失败，既有偏差也有恢复，既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、有效行为及纠正过程，是单纯的专家示教无法提供的宝贵经验。因此，机器人不仅要学习他人如何成功完成任务，更要学会利用自身与真实世界交互产生的经验进行优化。
为此，智元正式发布 AGIBOT WORLD 2026 第三期开源强化学习数据集。该数据集完整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出错时人类的接管与纠正；部署推理轨迹则记录了模型真实部署执行产生的成功与失败结果。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，研究者可据此训练不同维度的奖励模型，将轨迹级的成败细化为过程反馈，为真机强化学习的研究提供可复用的数据基础。
本期首批开源数据包含 11,430 条轨迹，其中 1,024 条为成功 Rollout 轨迹，1,369 条为失败 Rollout 轨迹，并提供了丰富的细粒度标注。我们旨在降低真机强化学习中积累执行反馈的成本，让不同团队能够在同一批真实轨迹上复现实验、比较方法，并将分散在各场景中的经验沉淀为公共资产。
本期首批数据聚焦工业与家居等真实场景，设计了网线插接、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类型。数据采集贯穿示教、部署与纠正三个阶段：专家示教轨迹由人类操作员完成标准执行；部署推理轨迹由模型执行并记录结果，成功展示能力，失败暴露边界；人类在环纠正轨迹则记录模型自主推理执行后，人类在策略偏差时进行的接管与纠正，并保留了接管前的行为、时机及纠正动作。这三类轨迹共同构成一条完整的数据链路，从标准示范、纠错记录到独立验证，全方位记录机器人的实战表现。
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了细粒度标注，用户可据此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，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。
基于首批开放的近万条轨迹，本期数据集共包含 98,159 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 26,493 段干扰片段、5,795 段错误状态，以及 10,684 段人工接管。这些细粒度标注可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。
对于具身智能而言，真正的技能并非复刻标准化动作，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。AGIBOT WORLD 2026 第三期真机强化学习数据集完整留存了每一次物理接触、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，助力机器人不仅学会“怎么做”，更要学会“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。
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