新华财经上海6月3日电（记者杜康）记者3日获悉，智元正式开源AGIBOT WORLD 2026数据集第二期主题“多样交互（Rich Interaction）”。据智元方面介绍，这是行业首个聚焦物理交互的开源具身数据集，面向世界模型、神经仿真器、物理感知和表征学习等具身智能研究，重点记录机器人与真实物理世界之间复杂、高密度、非理想的交互过程。

　　本期数据集已在Hugging Face平台开放下载。继此前发布以“模仿学习”为主题的第一期数据集后，AGIBOT WORLD 2026此次将数据建设从专家示范和成功轨迹，进一步拓展到真实环境中更复杂、更不确定的交互学习阶段。

　　长期以来，具身智能数据集多围绕标准任务、专家示范和成功案例展开。但在真实环境中，机器人经常会遇到抓取失败、物体滑落、意外碰撞、液体飞溅、布料变形等非标准情境。对于机器人而言，这些并非简单的“失败”或“噪声”，而是理解接触、摩擦、重心、形变和反馈等物理规律的重要数据入口，正在成为世界模型研究中宝贵的资产。

　　据介绍，AGIBOT WORLD 2026第二期“多样交互”数据集100%基于真实场景采集，系统记录了机器人与不同材质、形态和结构物体之间的物理互动，覆盖成功与失败、预期与意外、稳定与混沌等多种交互状态。

　　智元方面表示，对于世界模型而言，如果训练数据只包含标准动作和成功示范，模型容易停留在对成功状态的拟合上。当面对少见动作、复杂接触和非理想情况时，模型可能难以准确预测真实世界中的失败分布与物理演化。只有覆盖足够丰富的成功与失败过程，模型才能更好地模拟未来场景，减少不符合物理规律的生成结果。

　　在相关实验中，智元基于其世界模型仿真器Genie Envisioner-Sim 2.0验证了多样交互数据与失败数据的价值。实验显示，相比仅基于成功示范训练的模型，纳入更丰富动作分布、接触过程和非理想交互结果的数据，有助于提升Action-Conditioned World Model的建模能力，使模型更准确理解“动作如何改变世界”，并提升未来状态预测的物理一致性。

　　本期数据集的发布，反映出具身智能数据建设正在从“教机器人如何完成任务”，进一步转向“教机器人理解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，面向世界模型的具身数据正在成为机器人学习和物理智能研究的重要基础设施。智元方面表示，随着“多样交互”数据集开源，公司希望推动全球研究者共同探索真实物理世界中的复杂交互规律，加速世界模型、具身智能和物理智能相关研究发展。