全球最大真机强化学习开源数据集之一正式发布：均普机器人创新中心联合博登、上海交大构建 Physical AI 数据新基建

均普智能机器人创新中心、博登智能、上海交通大学MINT 实验室三方联合，将全场景真机交互轨迹数据正式开源—— 全球大规模的真机强化学习数据集 RW-RL-Dataset。

第一版包含1000+ 小时真实机器人数据，覆盖 4+ 类机器人系列、9+ 个场景域、30+ 任务模板和 3 类数据形态，面向人类在环、真机自主探索以及离线/在线强化学习训练。

在本次发布的1000+ 小时真机交互数据中，工业场景数据由均普创新中心采集构建。创新中心依托均普智能在智能制造领域的深厚积累，将拆装箱、穿线插接、零件分拣等真实制造环节中的典型任务，转化为覆盖抓取、插接、放置、拧紧四大核心技能的高质量真机数据，并在物品、环境、位置等维度进行充分泛化，完整记录了机器人执行过程中的成功、失败与恢复全过程。这批源自真实工业需求的数据，恰恰是训练鲁棒性工业机器人最稀缺的数据资产，也构成了RW-RL-Dataset 区别于现有数据集的核心工业属性。

传统的模仿学习解决的是机器人"如何开始做" 的问题，而强化学习解决的是 "如何持续改进" 的问题。机器人进入真实环境后，会遇到大量离线示教覆盖不全的变化，只有把真实执行反馈带回训练，策略才有机会从可演示走向可部署。

RW-RL-Dataset 正是瞄准了这一核心需求，解决了机器人 "只会模仿、不会自救" 的行业痛点。它完整记录了策略模型的执行结果、人在环接管过程和任务反馈，让模型在真实交互中形成更精细的判断：当前状态是否可恢复，当前动作是否推进任务，当前轨迹是否值得继续强化。

开源这类数据的意义在于，它让不同团队能够在同一批真实轨迹上复现实验、比较方法，并把分散在不同本体和场景中的宝贵经验沉淀下来。该数据集基于Evo-RL 技术构建，提供了真实机器人强化学习的数据采集、人在环记录、价值函数学习、策略迭代和闭环 rollout 的完整参考流程。

"机器人通用本体与工业场景之间的 ' 最后一公里 ' 鸿沟，核心在于高质量工业数据的缺失。" 均普机器人创新中心负责人何川表示，"本次开源只是起点，我们将持续扩充数据集规模，计划 2026 年底前达到 3000 小时以上，重点增加工业精密装配等高价值场景数据，推动具身智能技术真正走向规模化工业落地。"

数据集获取地址：

GitHub：https://github.com/MINT-SJTU/Evo-RL

Hugging Face：https://huggingface.co/datasets/MINT-SJTU/RW-RL-Dataset

关于上海交通大学MINT 实验室

上海交通大学MINT实验室聚焦具身智能、空间智能、数据智能研究。实验室已发表包括CVPR，ICLR，TPAMI,Nature，等数十篇论文，其中7篇 Oral/Spotlight.曾获 ICML 2022杰出论文奖，CVPR2026 "Efficient CVPR" Badge

关于博登智能

宁波博登智能科技有限公司(BODENAI)专注于为全球AI技术发展提供全栈式数据处理解决方案(Full-stackData Processing Solutions)。凭借自主研发的BASE平台，为企业打造了一条涵盖数据采集、数据标注、数据脱敏至数据合成的全方位服务链，响应自动驾驶(Auonomous Driving)、大模型(LLMs)、具身智能(Em-bodiedAl)、智慧医疗(Smart Healthcare)等前沿行业对高质量数据集的需求。

核心服务涵盖数据标注、定制化数据集构建等环节，广泛适用于图像、视频、文本及传感器数据等多个数据维度。借助BASE平台的强大功能，公司实现了从数据上传至算法预标注的全链路自动化流程，有效加速AI企业的算法迭代进程，构建数据驱动的高效闭环。

目前，博登智能已构筑涵盖零跑汽车、吉利汽车、阿里云、腾讯、美的等头部企业的合作伙伴生态圈。持有数十项核心知识产权与IS09001、1S027001、CMMI5级、DCMM2级等国际权威认证，持续为客户交付专业、安全与卓越的产品与服务。