香港大学李弘扬：「2025年具身智能新一代闭环智能系统」迫在眉睫丨具身先锋十人谈

百万真机数据集的终极目标是打造硬件加系统的 AI 次方模式，构建真正智能的端到端具身系统。

原标题：香港大学李弘扬：「2025年具身智能新一代闭环智能系统」迫在眉睫丨具身先锋十人谈
文章来源：AI科技评论
内容字数：15752字

AgiBot World：百万真机数据集推动具身智能发展

本文总结了李弘扬博士团队关于AgiBot World百万真机数据集及其对具身智能领域影响的访谈内容。该数据集旨在打造硬件加系统的AI次方模式，构建真正智能的端到端具身系统，并推动该领域的“ImageNet时刻”。

1. 从自动驾驶到具身智能：经验的迁移与挑战

李弘扬博士团队最初专注于端到端自动驾驶算法研究，其UniAD项目获得CVPR 2023最佳论文。 他们发现自动驾驶和机器人领域存在许多共通之处，例如感知、预测和控制的构成以及与环境交互的方式。 然而，将端到端训练范式迁移到机器人领域也面临挑战，例如机器人任务的度更高，数据采集难度更大。团队提出了“数据金字塔策略”，结合仿真数据、网络数据和真机数据来解决数据问题。

2. AgiBot World：打造具身智能的ImageNet时刻

AgiBot World数据集是团队与智元机器人合作的成果，其最大亮点在于灵巧手操作、视触觉多模态信号和多机协同。与其他数据集相比，AgiBot World的数据更具质量和统一性，物理形态趋于统一，这对于算法的泛化能力至关重要。该数据集旨在解决具身智能的两个核心问题：实现真正智能化和验证Scaling Law。团队计划在2025年3月发布完整数据集，并在CVPR、IROS等场合举办挑战赛，促进学术界和产业界的共同发展。

3. 数据采集与开源的意义

AgiBot World的数据采集过程借鉴了亚马逊SageMaker和《Human-in-the-Loop Machine Learning》中的经验，注重数据质量的把控。 团队有意制造干扰来考察算法的鲁棒性。开源AgiBot World的初衷是建立类似ImageNet的评测基准，促进公平的算法比较，并降低高质量真机数据采集的门槛，推动整个领域的进步。

4. 未来研究方向与挑战

团队的下一步研究计划包括扩展AgiBot World数据集到百万级别，验证Scaling Law，并举办挑战赛。 他们认为，具身智能领域模型训练会遵循Scaling Law，但需要解决数据多样性、数据分布、算法迁移学习和投入产出比等问题。除了数据集，团队还在研究Whole Body Control等问题，并强调了硬件创新在推动具身智能发展中的重要性，特别指出材料科学在传感器和硬件方面的突破性意义。

5. 总结

AgiBot World百万真机数据集的发布，标志着具身智能领域发展进入一个新的阶段。 该数据集的开源以及团队后续的研究工作，将有力推动该领域的技术进步和产业发展，有望实现具身智能领域的“ImageNet时刻”。

联系作者

文章来源：AI科技评论
作者微信：
作者简介：雷峰网旗下AI新媒体。聚焦AI前沿研究，关注AI工程落地。