Набор данных AGIBOT WORLD 2026 для обучения алгоритмов с подкреплением и тактильным откликом открыл разработчик AGIBOT

Источник: AGIBOT

Открытый международный датасет реального осязательного опыта и силового взаимодействия для обучения нейросетевых моделей физического искусственного интеллекта выложила в свободный доступ китайская робототехническая компания AGIBOT, опубликовав третий блок своей глобальной инициативы AGIBOT WORLD 2026 под названием Theme 3: Reinforcement Learning. Представленная база данных создана специально для обучения антропоморфных платформ алгоритмам самокоррекции движений на основе обратной связи от сенсоров давления и осязания. Разработчик предоставил мировому академическому и инженерному сообществу свободный доступ к телеметрии, собранной в ходе тысяч реальных производственных сценариев.

Необходимость создания специализированного набора данных обусловлена технологическими ограничениями чисто визуальных видеомоделей обучения. Руководитель исследовательской группы компании подчеркнул, что хотя системы компьютерного зрения позволяют андроиду определить пространственное положение объекта, они не способны передать данные о необходимом усилии прижима фаланг манипулятора. Если робот сталкивается со смещением предмета, деформацией упаковки или силовой упругостью деталей, ему требуется физический опыт корректировки траектории, основанный на реальных замерах сопротивления.

Структура оцифрованного массива данных Theme 3 включает высокоточные временные ряды показателей осязательных датчиков, установленных на пальцах, запястьях и шарнирах стоп антропоморфных роботов серии AGIBOT A3. Каждая записанная траектория содержит параллельные визуальные потоки с камер высокого разрешения, кинематические параметры суставов, вектор прикладываемого усилия и протоколы ручных корректировок оператора при возникновении ошибок. Это позволяет нейросетям обучаться методами алгоритмов с подкреплением непосредственно на физических примерах.

Использование открытого набора данных позволяет независимым разработчикам программного обеспечения существенно снизить расходы на содержание собственных робототехнических полигонов. Обучение базовых прошивок физического поведения требует огромного массива тактильных данных, сбор которых на физических андроидах занимает тысячи часов маневрирования. Доступ к единой базе данных открывает возможности для быстрой сборки универсальных прошивок мелкой моторики для работы на производственных линиях.

Шанхайский разработчик AGIBOT активно развивает направление открытых инициатив в сфере физического интеллекта. Ранее компания опубликовала первый и второй блоки проекта, охватывающие базовую пространственную навигацию и простые складские манипуляции. Третий выпуск фокусируется на решении наиболее сложного технологического барьера современной робототехники — точной регулировке силы прижима при работе с хрупкими, гибкими и нестандартными объектами.

Опубликованные материалы размещены в открытом доступе на специализированных платформах GitHub и Hugging Face. База данных содержит инструментарий для интеграции со стандартными программными средами симуляции Isaac Gym и ROS2. Системные интеграторы могут задействовать представленные алгоритмы для дообучения собственных узкоспециализированных прошивок, предназначенных для сортировки фармацевтической продукции, сборки электроники и упаковки пищевых товаров.

Релиз открытого набора данных подкрепляет позиции компании как одного из лидеров отрасли коммерческих андроидов. По данным международных аналитических отчетов, опора на открытые стандарты и расширение инженерного сообщества вокруг собственного стека позволяет разработчикам ускорить выведение готовых коммерческих устройств на международные рынки B2B-оборудования.

Параллельно с публикацией данных компания запустила международную конкурсную программу для научных коллективов, направленную на создание наиболее устойчивых алгоритмов координации усилий на базе представленной телеметрии. Финальные результаты испытаний прошивок победителей будут продемонстрированы в рамках работы Всемирной конференции по робототехнике в Пекине. Открытый обмен опытом ускоряет общую трансформацию отрасли от лабораторных тестов к практической цеховой эксплуатации.