Saat penelitian robotika beralih dari sekadar pengaturan laboratorium terkontrol ke lingkungan-dunia nyata, permintaan akan data-berskala besar dan-berkualitas tinggi menjadi semakin penting, menurut AGIBOT. Perusahaan hari ini merilis AGIBOT WORLD 2026, sebuah kumpulan data-heterogen sumber terbuka yang dirancang untuk secara sistematis mendukung lima jalur penelitian utama dalam kecerdasan yang diwujudkan.
"Kumpulan data ini menampilkan data robot-dunia nyata yang terstruktur,{0}}berkualitas tinggi, dan dianotasi dengan tepat, sehingga memberikan landasan yang kuat bagi pengembang dan peneliti untuk melatih-sistem AI generasi berikutnya," kata AGIBOT.
AGIBOT WORLD mengikuti strategi pengumpulan-data-bentuk bebas
AGIBOT WORLD 2026 mencakup berbagai-lingkungan dunia nyata, termasuk ruang komersial, rumah, dan skenario sehari-hari. AGIBOT mengatakan hal ini mencerminkan kompleksitas, variabilitas, dan ketidakpastian yang harus ditangani robot dalam praktiknya.
Tidak seperti kumpulan data konvensional yang dibangun berdasarkan demonstrasi berulang dan tertulis, perusahaan-yang berbasis di Shanghai ini menggunakan pendekatan-pengumpulan data-bentuk bebas, di mana teleoperator secara dinamis melakukan tugas berdasarkan kondisi-waktu nyata.
Diklaim bahwa strategi ini dapat secara signifikan meningkatkan keragaman dalam setiap episode dan meningkatkan generalisasi di berbagai dimensi, termasuk kategori objek, konfigurasi awal, dan urutan pelaksanaan tugas. AGIBOT mengatakan robotnya menggunakan landasan roda yang fleksibel, gerakan kepala dan pinggang yang diartikulasikan, serta kemampuan-lift pitch untuk pengumpulan data yang efisien, alami, dan mudah ditransfer.
Secara paralel, AGIBOT membangun lingkungan kembar digital 1:1 dalam simulasi, dengan semua data simulasi terkait dirilis bersamaan dengan-kumpulan data dunia nyata
Inovasi menjembatani kesenjangan antara data dan perilaku robot nyata
“Pertanyaan mendasar dalam perwujudan AI masih tetap ada: Apakah data tersebut benar-benar mencerminkan bagaimana robot beroperasi sebagai sistem yang terintegrasi?” catat AGIBOT. Untuk mengatasi hal ini, perusahaan telah memperkenalkan beberapa fitur:
Kontrol-seluruh tubuh (WBC):Hal ini memungkinkan kontrol terkoordinasi pada lengan, pinggang, dan tangan, memungkinkan robot melakukan tugas dengan lebih lancar sebagai sistem terpadu daripada melalui gerakan terisolasi.
Teleoperasi-orang pertama di luar jangkauan-visual-:Persepsi robot selaras dengan persepsi operator, sehingga memungkinkan kontrol yang lebih intuitif, berkelanjutan, dan dapat ditransfer.
Paksa-pengumpulan data terkendali:AGIBOT mengatakan pihaknya telah menggabungkan dinamika kontak dan umpan balik gaya, tidak hanya menangkap lintasan gerak, tetapi juga interaksi fisik nyata.
"Bersama-sama, kemampuan ini memastikan bahwa kumpulan data mewakili perilaku robot{0}}di dunia nyata secara lebih akurat," tegas perusahaan tersebut.
Perangkat keras-kelas industri memberi masukan pada pipeline data
AGIBOT menjelaskan bahwa kumpulan data dikumpulkan pada platform perangkat keras G2 miliknya, yang mengintegrasikan-aktuator gabungan berperforma tinggi, sensor multi-modal, dan pengontrol domain-berperforma tinggi untuk mendukung kontrol gaya yang tepat dan pengembangan yang dapat diskalakan.
Dilengkapi dengan gripper Zhixing 90D dan OmniHand yang tangkas, G2 menangkap data multi-modal-yang tersinkronisasi termasuk RGB(D), sinyal sentuhan, awan titik lidar, data IMU, dan-keadaan sambungan seluruh tubuh-dalam satu saluran terpadu.
AGIBOT menambahkan bahwa setiap episode data menjalani pembersihan dan validasi yang ketat melalui sistem pemrosesan data-tingkat industri, memastikan kesiapan untuk pelatihan model dan aplikasi penelitian skala besar.
Rilis fase 1: Pembelajaran imitasi
Perusahaan tersebut mengatakan pihaknya berencana merilis AGIBOT WORLD 2026 dalam lima fase, yang masing-masing selaras dengan arah penelitian inti dalam kecerdasan yang diwujudkan.
Rilis pertama berfokus pada pembelajaran imitasi, sebuah paradigma kunci yang memungkinkan robot memperoleh keterampilan fisik yang kompleks dari demonstrasi para ahli. Fase ini mencakup ratusan jam data-dunia nyata yang dikumpulkan terutama di lingkungan komersial dan layanan. Kumpulan data menggabungkan:
Deskripsi tingkat-tugas (petunjuk tingkat-segmen)
Urutan tindakan (eksekusi-langkah demi-langkah)
Label keterampilan atom (misalnya, tarik, tempatkan)
Anotasi objek (kotak pembatas 2D dan atribut seperti nama dan warna)
"Yang penting, lintasan{0}pemulihan kesalahan juga dipertahankan dan diberi anotasi," kata AGIBOT. "Kerangka anotasi hierarki ini-mulai dari-tugas tingkat tinggi hingga-tindakan tingkat rendah-memberikan prioritas yang tepat dan korektif yang diperlukan untuk melatih agen yang lebih kuat dan adaptif."
AGIBOT WORLD merupakan bagian dari komitmen-jangka panjang untuk mewujudkan ekosistem AI
AGIBOT mengatakan bahwa mereka adalah salah satu kelompok kecil startup yang menggunakan pendekatan-jangka panjang, berbasis infrastruktur-untuk mewujudkan kecerdasan.
Menyadari sejak awal bahwa-data berkualitas tinggi merupakan dasar untuk membuka kemampuan robotik generasi berikutnya, perusahaan ini secara konsisten membuka-sumber-kumpulan data dunia nyata dan simulasi-berskala jutaan.
AGIBOT mengatakan upaya ini mencerminkan tujuan yang lebih luas dalam perwujudan kecerdasan: mendemokratisasi akses ke-data robot berkualitas tinggi. Melalui evolusi berkelanjutan ekosistem AGIBOT WORLD, perusahaan bertujuan untuk berkontribusi pada komunitas robotika global dan mempercepat transisi AI yang diwujudkan dari laboratorium penelitian ke-aplikasi dunia nyata.