近日，智元自研的世界模型 Genie Envisioner-Sim 2.0（GE-2.0）登頂 WorldArena Challenge榜單，獲得總冠軍。值得關(guān)注的是，GE-2.0通過引入多樣交互數(shù)據(jù)進行訓(xùn)練，進一步提升了世界模型對真實物理世界的建模能力。

所謂多樣交互數(shù)據(jù)，往往是我們早已習(xí)慣的生活中的一些瞬間：碗放入水槽，水面會泛起一圈圈漣漪；乒乓球落地，會一次次彈起；塑料袋從空中掉落，會輕輕飄下。

對于人類來說，這些都是習(xí)以為常的經(jīng)驗。但對于機器人來說，它們正是理解物理世界最困難、也最關(guān)鍵的部分。這也是世界模型研究中的關(guān)鍵需求：機器人對世界的建模和預(yù)測需要真實豐富的交互數(shù)據(jù)，才能更好地理解物理世界的運行。

世界模型一直都缺少一批真正屬于它的數(shù)據(jù)。

今天，智元開源AGIBOT WORLD 2026數(shù)據(jù)集主題二：“多樣交互（Rich Interaction）”，旨在填補這一空白。這是行業(yè)首個聚焦物理交互的開源具身數(shù)據(jù)集，數(shù)據(jù)集不僅記錄預(yù)期內(nèi)的成功，更致力于捕捉機器人與真實世界之間那些多樣、精細且充滿接觸的物理對話，以此還原物理智能的全貌。

四月智元AI發(fā)布周首日，我們開源了第一期“模仿學(xué)習(xí)”主題，此次的主題二“多樣交互”則進一步走向機器人與真實物理世界之間更復(fù)雜、更高密度、更具不確定性的“交互學(xué)習(xí)”。

過去，具身數(shù)據(jù)集往往強調(diào)“專家示范”，可真實世界并不總是理想、可控的。機器人真正理解物理世界，不僅需要學(xué)習(xí)如何完成任務(wù)，也需要理解非理想情況背后的物理規(guī)律。

本期數(shù)據(jù)集突破了數(shù)據(jù)采集中僅關(guān)注成功案例的局限，直面現(xiàn)實物理世界中微妙的復(fù)雜性，捕捉“意料之外”的價值。采集過程通過富有想象力與探索性的遙操作范式，主動引導(dǎo)機器人與海量環(huán)境物體進行交互，涵蓋多樣的材質(zhì)、復(fù)雜的幾何形態(tài)以及獨特的機械結(jié)構(gòu)。

01/

100%真實場景

構(gòu)建高保真的物理交互數(shù)據(jù)

數(shù)據(jù)集顯式記錄了真實世界發(fā)生的大量不完美行為與長尾情景——例如抓取失敗、意外碰撞、物體掉落以及液體飛濺，以此勾勒出物理智能最真實的底色。一次抓取失敗，能夠暴露接觸點、摩擦力、物體重心與執(zhí)行誤差之間的關(guān)系；一次滑落，能夠呈現(xiàn)材料、形狀與夾持策略之間的復(fù)雜耦合；一次碰撞，則可能讓模型學(xué)習(xí)到力、空間位置與物體運動之間的真實反饋。

更重要的是，AGIBOT WORLD 2026所有數(shù)據(jù)均在100%真實場景中采集，在接觸動力學(xué)、材料形變、多模態(tài)反饋等方面呈現(xiàn)出極高的物理保真度。這類數(shù)據(jù)在行業(yè)中極其稀缺，卻是推動世界模型、神經(jīng)仿真器、物理感知以及表征學(xué)習(xí)繼續(xù)向前發(fā)展的關(guān)鍵基礎(chǔ)。

02/

為什么失敗數(shù)據(jù)和多樣交互數(shù)據(jù)如此重要？

近期多項世界模型與機器人策略評估相關(guān)的前沿研究，都在從不同角度指向同一個問題：缺少足夠豐富的動作分布、失敗數(shù)據(jù)和接觸交互數(shù)據(jù)，正在限制世界模型對真實世界的物理過程模擬能力。

當(dāng)模型只見過標(biāo)準(zhǔn)動作和成功示范，它往往容易停留在“成功狀態(tài)擬合”階段。面對少見動作、復(fù)雜接觸和非理想情況時，模型就可能出現(xiàn)失真，難以準(zhǔn)確預(yù)測真實世界中的失敗分布與物理演化。

在策略評估中，這一問題也會進一步放大。由于模型無法充分生成真實環(huán)境中的細微失敗情況，策略在模型中的成功率可能遠高于真實環(huán)境中的表現(xiàn)，從而造成世界模型和真實世界之間策略遷移的偏差。

這些來自前沿研究的最新探索，都在傳遞一個信號：失敗數(shù)據(jù)正在從“噪聲”變成“資產(chǎn)”。

03/

失敗是物理規(guī)律顯影的瞬間

智元自身的世界模型團隊也在相關(guān)方向上進行了大量實驗驗證。

在智元世界模型仿真器 Genie Envisioner-Sim 2.0 的相關(guān)實驗中，結(jié)果表明，多樣交互數(shù)據(jù)與失敗數(shù)據(jù)對于提升 Action-Conditioned World Model 的建模能力具有重要意義。相比只基于成功示范訓(xùn)練的模型，納入更豐富的動作分布、接觸過程和非理想交互結(jié)果的數(shù)據(jù)，有助于模型更準(zhǔn)確地理解“動作如何改變世界”，并在未來狀態(tài)預(yù)測中減少不符合物理規(guī)律的生成結(jié)果，也就是常說的模型幻覺。

這也進一步說明，失敗數(shù)據(jù)和多樣交互數(shù)據(jù)并不是一個“錦上添花”的數(shù)據(jù)主題，而是世界模型走向真實可用過程中必須補上的關(guān)鍵一環(huán)。

失敗數(shù)據(jù)讓模型看見接觸、摩擦、重心、形變、擾動和反饋之間真實而復(fù)雜的關(guān)系。也正是在這些關(guān)系中，機器人開始理解世界。

04/

從學(xué)習(xí)成功動作到理解完整物理分布

本期“多樣交互”數(shù)據(jù)集，是首次將具身智能的數(shù)據(jù)范式從“學(xué)習(xí)成功動作”推進到“理解完整的物理分布”。唯有汲取真實而豐富的交互數(shù)據(jù)，機器人才能洞悉物理世界的運行法則。

從成功到失敗，從動作到反饋，從任務(wù)完成到世界理解，AGIBOT WORLD 2026 正在為下一代具身智能搭建一條更完整的數(shù)據(jù)路徑。

世界模型想要理解世界，首先要見過真實世界豐富的物理交互。

隨著本期數(shù)據(jù)的開源共享，世界模型終于迎來了專屬于自己的數(shù)據(jù)集。