6月3日，具身智能领域迎来一项重要进展——行业首个聚焦物理交互的开源具身数据集正式对外发布。该数据集旨在为世界模型、神经仿真器、物理感知及表征学习等研究方向，提供一份源自真实物理世界的“交互日志”。它系统记录了机器人与物理世界之间复杂、高密度乃至“不完美”的互动过程。值得注意的是，长期以来，世界模型训练中最为匮乏的正是这类真实物理交互数据。

此前，传统的具身智能数据集大多围绕标准任务、专家示范和成功案例展开。然而真实世界并非理想化、稳定可控的。机器人在实际运行中，抓取失败、物体滑落、意外碰撞、液体飞溅、布料变形等非标准情境屡见不鲜。对人类而言，这些只是日常经验；但对机器人来说，这些恰恰是理解接触、摩擦、重心、形变和反馈等物理规律的“黄金钥匙”。

此次开源的“多样交互”主题数据集，思路与以往截然不同——不再只聚焦于“成功示范案例”，而是主动保留并强调非理想行为的研究价值。该数据由智元开源，基于100%真实场景采集，系统记录了机器人与不同材质、形态、结构物体之间的丰富物理互动，覆盖成功与失败、预期与意外、稳定与混沌等多种状态。换言之，它使机器人有机会从“挫折”中学习，而非仅仅从“成功示范”中模仿。这套数据的开放，有望为世界模型提供更贴近真实世界运行规律的数据基础，推动机器人从“学习如何完成任务”逐步迈向“理解动作如何改变世界”。

分析指出，如果世界模型的训练数据仅包含标准动作和成功示范，模型容易陷入对成功状态的简单拟合。一旦面对少见动作、复杂接触及非理想情况，模型可能难以准确预测真实世界中的失败分布与物理演化。只有经历过足够丰富的成功与失败过程，模型才能更好地模拟未来真实场景，减少不符合物理规律的生成结果。

“这一数据集的发布，标志着具身智能数据建设正在迈入新阶段。”分析人士指出，过去机器人主要学习“如何成功执行动作”；如今，它们需要进一步学习对世界的建模，即“真实世界如何回应动作”。从成功到失败，从动作到反馈，从任务完成到世界理解——下一代世界模型、机器人学习和物理智能研究，终于拥有了更完整的数据底座。