AgiBot Open-Sources AGIBOT WORLD 2026 Phase 4 Embodied Reasoning Dataset
English text is being prepared.
On October 22, AgiBot officially open-sourced the AGIBOT WORLD 2026 Phase 4 Physical Reasoning dataset, with task design shifting its focus from manipulation difficulty to decision-making difficulty. The dataset constructs different state scenarios of the same task around factors such as object count, occlusion relationships, position occupancy, and task progress, covering nine core reasoning capabilities including attribute selection, conditional judgment, manipulation feasibility assessment, target search, long-horizon planning, and process memory, and sets three difficulty levels: Easy, Medium, and Hard. The data describes goals through task instructions, characterizes task structure through task stages, subtask intervals, and action steps, and provides action descriptions along with spatial annotations such as boxes, points, and lines. It will be used to train AgiBot's upcoming Agent framework and new-generation foundation model.
Why read this
AI score 58
AgiBot shifts the focus of embodied dataset construction from manipulation difficulty to decision-making difficulty, offering readers insight into the data design approach for embodied reasoning training.
Topics
Body
“帮我准备下出门物品。”接到这一指令后，机器人需要先查询天气预报，再根据天气情况判断应该携带哪些物品。如果明天阳光充足，就准备防晒霜；如果天气转雨，则需要带上雨伞。对人类而言，这一连串判断几乎不假思索，对机器人来说，却涉及任务理解、信息调用、条件判断和动作执行等多个环节。 如何让机器人不只是按照指令执行固定动作，还能根据现实环境的变化自主判断、调整行动，学会“看情况做事”？10月22日，智元正式开源AGIBOT WORLD 2026第四期“具身推理”（Physical Reasoning）数据集。 与侧重操作技能的数据不同，本期数据集将任务设计重点从“操作难度”转向“决策难度”，围绕同一任务在不同状态和约束下的决策与执行过程，帮助机器人从完成单项操作走向自主处理复杂任务。 真实世界中的任务，往往没有一套适用于所有情况的固定操作流程。例如，要将客房迷你吧中的饮料补充至3瓶，机器人需要先辨别空瓶与满瓶，清点现有数量，再决定回收和补充多少瓶。面对不同的初始状态，即使任务目标相同，机器人需要采取的行动也可能不同。又如，从多个抽屉中寻找洗漱用品，机器人不仅要识别物品，还要记住已经检查过哪些抽屉，避免重复搜索。 要让机器人自主完成这些事，只有“如何执行动作”的数据远远不够——必须有“如何根据目标与条件做出决策”的数据。第四期数据集正是围绕这个缺口构建。 据介绍，AGIBOT WORLD 2026第四期“具身推理”数据集围绕物品数量、遮挡关系、位置占用和任务进度等因素，构造同一任务在不同状态下的决策场景，覆盖属性选择、条件判断、操作可行性评估、目标搜索、长程规划、过程记忆等九类核心推理能力，并设置Easy、Medium、Hard三个难度层级，涵盖从基础判断到多目标规划、长程状态维护等不同任务。 除了提供多样化的任务场景，数据集还通过精细化标注，将任务目标、决策过程与实际动作联系起来。数据以任务指令描述完整目标，通过任务阶段、子任务区间和动作步骤等信息刻画任务结构；同时提供详细动作描述及框、点、线等空间标注，明确操作对象、接触位置和运动路径，并记录任务执行结果。这些数据既能帮助研究者训练机器人的任务理解与推理能力，也能支持高层决策和底层动作策略的协同训练。 AGIBOT WORLD 2026是智元围绕具身智能研究推出的开源数据集系列，覆盖五大具身领域研究主题，各主题采用相应的数据采集方法与标注体系。据悉，本期数据集将用于智元即将推出的Agent框架与新一代基座大模型的训练，为机器人理解任务、记忆执行过程和选择动作提供数据基础。