AGIBOT 將一套能教導機器人「為什麼」,而不僅是「怎麼做」的資料集開源
AGIBOT 已將「物理推理」(Physical Reasoning)開源,這是其「AGIBOT WORLD 2026」資料計畫的第四個版本,旨在教導具身人工智慧模型判斷不斷變化的狀況並辨識失敗狀態,而非僅是重複執行預先編寫的操作路徑。

總部位於上海的人形機器人與具身人工智慧製造商 AGIBOT,其正式註冊名稱為 AGIBOT Innovation (上海)科技有限公司),於 2026 年 10 月 23 日開源了一套新的訓練資料集,其設計目的在於教導機器人在變化的環境條件下選擇何種行動,而非僅僅是執行預先編寫的動作腳本。 這份名為「物理推理」(Physical Reasoning)的資料集,是該公司「AGIBOT WORLD 2026」資料計畫的第四期成果,目前可透過 Hugging Face 及 AGIBOT WORLD 專案網站下載。
對於正在評估具身人工智慧供應商的採購團隊而言,此次發布至關重要,因為它針對了特定且具商業相關性的弱點:在示範中能夠可靠執行抓取動作的機械手臂或類人型機器人,往往無法分辨滿抽屜與空抽屜的差異,也無法辨識任務已部分成功。 「物理推理」正是針對這些判斷決策進行標註,而不僅僅是隨之而來的動作。
「觀察動作」與「選擇動作」之間的落差
大多數機器人操作資料集僅針對單一任務記錄單一正確軌跡:拿起杯子,將其放上架子。這種方法教導的是模仿,而當環境發生訓練資料中從未出現的變化時,模仿便會失效。本應是空的抽屜卻裝滿了東西。 本應放三件物品的層架上只放了一件。從某個角度看來已完成的任務,從另一個角度看卻還缺失一個步驟。
AGIBOT 正是針對這種失敗模式,直接設計了「物理推理」(Physical Reasoning)。該資料集並非透過提升操作難度來訓練,而是將任務目標保持不變,並改變其周圍的狀態與限制條件,藉此捕捉即使底層技能未變,正確決策仍會隨環境變化而改變的現象。 每個樣本皆將高階指令與「密集提示」(即對動作的詳細自然語言描述)配對,並結合低階動作軌跡、包含邊界框、點與軌跡線的空間註解,以及明確的子任務分割。
該架構的設計旨在讓開發者能從同一個標註過的事件中,訓練出高階決策模型與低階行動策略,並執行 AGIBOT 內部所稱的「決策-執行協同訓練」,而非將感知、規劃與控制視為三個各自獨立的問題。這種區別聽起來似乎只是學術上的討論,直到實際應用於設施現場時才顯現其重要性。倉庫揀貨任務與飯店客房整理任務,雖然可以共享幾乎完全相同的操作技能——如抓取、搬運、放置——但對於「先做什麼」、「跳過什麼」以及「什麼才算完成」等判斷,卻需要截然不同的決策。 當今市面上大多數商用機器人策略,在共通技能方面表現強勁,但在判斷層面卻較為薄弱,因為用於訓練判斷能力的數據,其蒐集難度與成本遠高於用於訓練單一清晰軌跡的數據。
隱藏在日常家務中的九項推理測試
這套資料集圍繞九項截然不同的推理技能進行組織。有些測試是為了驗證機器人能否根據物體的屬性或周圍情境揀選正確的物件;另一些則測試它能否判斷某項操作在物理上是否可行,或是辨識某項動作所依賴的先決條件。 其餘的技能則更深入地涉及規劃層面:朝目標進行搜尋、追蹤隨時間變化的數量與狀態、依序維持長序列的步驟、記住已經發生的事情,以及正確地安排子任務的順序。 這九項能力涵蓋十多種情境類型,並針對四種常見的現實世界複雜狀況進行了壓力測試:物體的數量、是否部分被遮擋、空間已被佔用多少,以及機器人遇到該任務時任務已進行到何種程度。
示例任務刻意設計得樸實無華,這正是買家評估部署準備度(而非演示影片)的重點所在。這些任務包括為飯店迷你吧補貨,以及在多個抽屜中搜尋特定的洗漱用品
取物、從障礙物後方取鑰匙、打掃客房、重擺餐桌,以及為零售貨架補貨。 每項任務皆分為「簡單」、「中等」或「困難」三級,其中「困難」級任務會結合多個子目標、長時程狀態追蹤,並同時面臨多項限制——這類複合式判斷決策,是單一技能的示範影片中絕不會出現的。選擇飯店業與輕型零售業作為測試場地,是經過深思熟慮的決定。這兩種環境的結構化程度足以支援自動化,但在庫存水準、房間佈局及住客行為等方面又具備足夠的變動性,導致純粹以乾淨操作資料訓練出的模型往往會「默默失敗」:它會完成一個動作,卻渾然不知該動作解決的其實是錯誤的問題。 以複合難度而非單純的靈巧度來評分任務,能讓外部開發者精確地針對這種失敗模式進行基準測試,而非僅僅衡量抓取成功率。
AGIBOT 並未披露資料集的規模、情境數量、影片時長、所用機器人平台或場景數量,這是一處值得特別指出而非輕描淡寫的缺失。AGIBOT WORLD 過往的發布版本往往以規模作為賣點;而本次則著重於任務設計與標註深度。 若買家或研究合作夥伴欲將「物理推理」與競爭對手的具身人工智慧資料集進行比較,應直接要求提供缺失的規模數據,而非假設推理多樣性能取代數據量——因為這兩項因素皆影響訓練後策略在所展示情境之外的泛化能力。
教導模型「不該做什麼」
在「物理推理」中,更具結構性意義的選擇在於 AGIBOT 如何處理失敗。 每個標註過的事件都包含「成功片段」和「對抗性片段」,這意味著該資料集不僅記錄了正確的決策序列,也記錄了導致錯誤結果的決策——無論是選錯物品還是放置錯誤數量。AGIBOT 對成功與錯誤的
在標註過程中平等地處理所有樣本,而非將失敗案例視為可忽略的雜訊。這與純粹為了展示機器人能力而建構的資料集,在設計哲學上存在著實質性的差異。 僅憑成功軌跡訓練而成的模型,無法理解為何替代動作是錯誤的;而這正是採購或整合團隊最需要的資訊——當機器人必須在倉庫通道、飯店走廊或零售後場等環境中運作時,這些場景永遠不會與訓練影片完全相同。 經過適當標註的負例,正是讓模型能夠將規則進行泛化,而非僅僅死記硬背路徑的關鍵;而這類範例也是大多數商業資料供應商最不願收集的,因為失敗的軌跡既無法產生值得展示的影片,也無法帶來顯著的收益。
將這類資料開源,而非將其作為內部差異化優勢保留,本身就是一種商業訊號。這向市場傳達了 AGIBOT 相信其優勢在於其他方面——無論是機器人硬體、部署合作關係,或是基於此版本及先前版本訓練而成的下一代模型——而非那些原始的標註影片本身。
數據的現有應用
AGIBOT 表示,該資料集已用於內部支援其下一代基礎模型及即將推出的代理框架,但未透露兩者的發布日期或基準測試結果。 這種先發布訓練資料、再發布基於該資料訓練出的模型的順序,與 AGIBOT 今年在 AGIBOT WORLD 各次發布中遵循的模式一致,並讓外部開發者和學術實驗室在取得相同資料後,能夠獨立驗證或挑戰該公司的推理主張。
其中蘊含的商業意涵,是評估具身人工智慧供應商的採購團隊不應忽視的。示範影片僅能展示機器人在理想條件下的一次性表現,而基於
分級難度、 明確的失敗標註以及多約束條件的長時程任務,這類表現才更接近能區分「僅適合單一受控試點」系統與「足以應對實際設施變動性」系統的關鍵依據——這正是示範系統與可部署系統之間的區別,而這項區別正是今年人形機器人領域中,反覆讓廠商宣稱失實的主因。因此,舉辦廠商比拼的採購方將獲得一個具體的新問題:不僅要考察候選機器人在技能示範中的表現,更要確認廠商能否針對「物理推理」(Physical Reasoning)現已公開且可重現的分級、狀態多變任務,展示其推理表現。 若供應商無法在其等效基準測試中產出可比數據,便等同於在判斷層面上認輸,即使其操作影片看起來極具競爭力。
就實際採購而言,其啟示比「AGIBOT 解決了機器人推理問題」更為狹窄。任何資料集的發布都無法證明,基於該資料集訓練的模型在實際營運場域中確實能彌合泛化差距;這仍須透過逐個試點來驗證,並考量採購方自身場地的特定 SKU 組合、樓層佈局及人員配置模式。 「實體推理」真正改變的是可要求的舉證責任。一旦針對酒店業與零售業類型的任務,存在經分級且可公開重現的推理基準,採購團隊在評估任何具身人工智慧供應商(包括 AGIBOT 在內)時,便能要求進行具體且可重複的測試,而非僅依賴供應商自行挑選的示範影片。
AGIBOT 今年建立了業界中較為積極的開放數據發布節奏,這項策略將公司自身的訓練投資轉化為業界其他企業被用以衡量表現的事實上基準,同時仍將其最先進的內部模型保留為專有技術。 「物理推理」(Physical Reasoning)能否像先前幾版 AGIBOT WORLD 那樣成為業界參考基準,將取決於外部實驗室能多快
據此發布測試結果。第五個版本,或是基於第 4 版所建立的首批外部基準測試分數,將是下一個值得關注的具體訊號。本文內容參照了該資料集發布者自身的發布資料及其已公開的技術文件。本文僅供一般資訊參考之用,並不構成任何投資、採購、法律或工程方面的建議。












