今年 6 月，博登智能联合均普创新中心、上海交通大学 MINT 实验室开源全球最大真实机器人强化学习数据集 RW-RL-Dataset。该项目首批开源超 1000 小时真机交互数据，覆盖 4 + 个机器人构型、9 + 个场景域、30 + 任务模板和 3 类数据形态，为具身智能行业提供了一套可扩展、可复现、可协作的真机 RL 数据底座。
首批开源数据集视频预览
RW-RL-Dataset 概况
在本体层面，RW-RL-Dataset 数据集覆盖 SO 系列、PiPER 系列、智元 G1/G2 系列、星海图 R1 Lite 等机器人平台，并为后续接入人形、移动双臂、轮式作业平台、灵巧手和不同末端执行器预留接口。
在场景层面，RW-RL-Dataset 数据集围绕真实操作约束展开：产线工位的节拍和对齐，门店货架的陈列和补货，仓储周转的搬运和库位匹配，酒店服务的标准流程，餐饮后厨的工具使用，家庭空间的高变化物体，护理环境的安全边界，科研实验的精细控制，以及教育实训的可复现任务。
在任务层面，RW-RL-Dataset 数据集采用金字塔式组织：底层是基础动作，中层是可迁移操作技能，上层是长流程任务，顶层是跨场景目标。这样的结构更适合后续做技能复用、奖励建模和策略评测。
数据形态分为三类。第一类是人工遥操作数据，用来提供清晰的任务路径和动作先验；第二类是人工介入数据，记录 policy 偏离目标时的人类接管、纠正和交还；第三类是自主推理数据，记录模型独立 rollout 中的成功、失败、停滞、碰撞风险和恢复尝试。
持续开源
博登智能本次发布的开源数据集为 RW-RL-HIL-Dataset，是 RW-RL-Dataset 的子数据集，聚焦真实机器人部署中的人类干预数据。子数据集围绕 "策略部署 + 人类接管 + 纠正 + 交还" 的真实机器人数据形态，不是为录制而专门设计的纯遥操作演示。
该子数据集可与 RW-RL-Dataset 主仓库中的遥操作数据、自主 rollout 数据结合使用，用于人在回路模仿学习、交互式模仿学习、HG-DAgger、RLPD 风格离线 / 在线强化学习等方向。
本次开源的 RW-RL-HIL-Dataset 数据集共 82.23 小时、3,347 个回合、4,440,155 帧、188.57 GB。其中 3,068 个回合包含至少一次人类干预，279 个回合无干预帧。全数据集共有 506,832 帧 / 9.39 小时处于人类控制下，占 11.41%；共 6,408 个连续干预片段，平均每回合 1.91 个，平均每片段 5.27 秒，中位片段 4.33 秒，第 90 百分位 10.40 秒。这些统计描述的是采集时部署策略的能力边界，而不是任务本身的绝对难度。
本次开源覆盖 9 个家庭操作任务，总计 82.23 小时，时长以同步轨迹时间为统计口径，每条轨迹仅计一次，不按相机数量重复累计。（任务分布如下图所示）
截至目前，博登智能已累计开源 542 小时数据，其中遥操作数据 460 小时、真机强化数据 82 小时。
技术积累
博登智能聚焦真机强化学习，已构建覆盖数据采集、基础模型适配、训练部署到人在回路闭环的全链路工程化能力。
在机器人构型上，博登智能自研的 BRIC Robo 平台打通了星动纪元 M7、星海图 R1 Lite、星尘 S1 等机型的真机强化数据采集，实现了遥操数据采集、基模选择、模型训练、模型部署、自主推理、人工接管、模型交还等功能。
以本次 RW-RL-HIL-Dataset 数据集为例，数据在 R1 Lite 上记录了内部 VLA 策略部署期间的完整控制权切换：策略自主执行、操作员接管、人类纠正、控制权交还策略。每个时间步都带有 intervention 与 control_source 控制权标注，使 "何时失败、如何恢复、何时交还" 成为可直接用于训练和评测的信号。
在开源基础模型上，BRIC Robo 平台实现了星海图 G0.5 & Fast-WAM、蚂蚁灵波 LingBot-VLA 1.0 & 2.0、原力灵机 DM0.5、Pi0.5 等开源基础模型的微调训练，支持从遥操作先验、人工介入纠正到自主推理数据的多阶段使用。
在数据工程层面，本次 RW-RL-HIL-Dataset 数据集采用 LeRobot v2.1 格式组织，数据包含 3 路视频流：头部、左腕、右腕；状态与动作均为 14 维 qpos；视频质量为 640×360@15 FPS，H264 编码。标注上提供逐帧控制权标志、干预片段边界、回合级干预摘要。
社区共建
真机强化学习的泛化与演进，需要产业界与开源社区的长期深度协作。博登智能将长期投入到具身智能开源生态与 Benchmark 建设，持续开放 RW-RL-Dataset 数据集、全栈工具链、标注规范、训练基线与统一评测协议，降低适配验证门槛，携手全球开发者与产业伙伴，让更多本体、任务与场景无缝接入，共建标准化、可复用、可持续演进的具身智能基础设施。
（来源：博登智能）