全球首个面向真实机器人强化学习的大规模数据集RW-RL-Dataset首批数据正式对外开源。该数据集由宁波具身智能机器人创新中心联合博登智能、上海交通大学MINT实验室共同研发，旨在突破传统机器人数据采集模式的局限，为工业机器人智能化升级提供关键支撑。
与传统数据集仅记录成功操作轨迹不同，RW-RL-Dataset首次将失败案例、环境交互细节等真实场景信息纳入数据范畴。首期发布的数据规模超过1000小时，涵盖4大类机器人平台、9个工业应用场景、30余种任务模板以及3种数据形态。这些数据不仅支持人类在环的实时干预训练，还能满足真机自主探索和离线/在线强化学习等多种技术路径的需求。其中工业场景数据由均普创新中心通过实际生产环境采集构建，确保了数据的工业级可靠性。
数据集的开源将显著降低机器人研发门槛。不同研究团队可基于同一数据基准复现实验结果、对比算法性能，有效避免因数据差异导致的评估偏差。项目负责人指出，当前机器人本体与工业场景适配的主要障碍在于缺乏高质量训练数据，这导致技术落地时面临"最后一公里"困境。通过建立标准化数据平台，行业能够系统积累不同本体在多元场景中的适应经验，加速技术迭代进程。
研发团队计划持续扩展数据集规模，2026年底前将数据总量提升至3000小时以上。新增数据将重点覆盖精密装配、柔性操作等高附加值工业场景，同时优化数据标注体系，构建更完整的场景-任务-行为映射关系。这种渐进式的数据积累策略，有望推动具身智能技术从实验室走向规模化工业应用。
