专题 · AgiBot World Colosseo 全文精读

性质：调研洞察 · 全文精读（不实跑）
飞书：主文档下子文档
论文：✔ arXiv 2503.06669 · AgiBot World Colosseo
项目：https://agibot-world.com · Code: OpenDriveLab/AgiBot-World
定位：OXE 之后，同构平台 + 质量协议 + 潜动作通用策略 推进开放真机操作数据的代表作。

0 · 一句话

AgiBot World = >100 台同构双臂/人形在 4000㎡级设施采的「高质量百万轨迹真机操作系统」+ GO-1（ViLLA：潜动作桥接网页/跨本体/真机）。
相对 Open X-Embodiment 预训练 域内/域外平均约 +0.30 completion（+30% 叙事）；强调 HITL 质量 > 盲目堆量；轨迹规模 power-law，r=0.97。

1 · 问题与贡献

可泛化操作需要可扩展真机数据；OXE 等在规模数量级、真实场景、长程、质量门、末端可扩展（夹爪→灵巧/视触觉）上仍不足。

贡献： 1. 数据/平台：标准化硬件 + HITL；1,001,552 轨迹 · 2976.4 h · 217 任务 · 87 skills · 106 scenes。
2. 相对既有集约 一个数量级 规模跃迁（文述）。
3. GO-1：Vision-Language-Latent-Action（ViLLA）。
4. 开源（CC BY-NC-SA 4.0）+ 工具 + 模型；复杂任务 >60%；相对 RDT +32%。

2 · 平台与数据（§III）

2.1 硬件：同构是质量下限（§III-A）

AgiBot G1 系：双 7-DoF 臂、移动底盘、可调腰。
末端模块化：夹爪 / 6-DoF 灵巧手；接触可用 视触觉夹爪。
8 相机 + 本体；30 Hz。
遥操：VR（EE+IK，灵巧手预设手势）+ 全身动捕（含手指，复杂灵巧）。

Insight：相对 OXE 多机构异构拼盘，AgiBot 赌 同构舰队 → 少付 embodiment 税。哲学 A 内部分岔：联盟异构 vs 舰队同构。

2.2 采集：Human-in-the-loop（§III-B）

预采定标准 → 2. 正式采 + 本地有效性 → 3. 云端审 + 语言标注。

Failure recovery：失误后恢复完成的轨迹保留，标失败原因/时间戳；约 ~1%。与 ManuFacet「失败保留」同方向，深度不及力相协议。

2.3 统计（§III-C）

项	数值
轨迹 / 小时	1,001,552 / 2976.4 h
任务·技能·场景	217 · 87 · 106
机器人	>100 同构
设施·物体	>4000 m² · >3000 物体
五域	domestic / retail / industrial / restaurant / office

vs OXE/DROID：多数轨迹 30–60 s（OXE v1 大量 <5 s；DROID 多 5–20 s）；每 skill ≥100 轨迹。
alpha ≈ 全量 14%；文称 alpha ~236 h 即可在部分设定上优于更长小时 OXE 混合（质量叙事）。

3 · GO-1 · ViLLA（§IV）

相对 VLA，ViLLA：先 latent action，再底层控制。

阶段	内容
1 LAM	相邻帧逆动力学；网页人视频+跨本体；时空 Transformer + VQ-VAE（k=4）
2 Latent Planner	InternVL2.5-2B；多视(头/左腕/右腕)+语言→latent；embodiment-agnostic 长程规划
3 Action Expert	与 planner 联合，落地灵巧底层动作

Insight：潜动作 = 把无标签人视频/跨本体变成 表示层伪标签（连自动标注专题）；与 EgoScale「显式人动作空间」、OXE「粗 7D EE」形成第三路径。

4 · 实验（§V）

任务：Restock、Table Bussing、Pour Water、Fold Shorts、Wipe Table 等 + OOD 变体。
RDT + 不同预训练：AgiBot 相对 OXE 平均 +0.30 / +0.29（域内/域外）；Table Bussing 近 3×。
GO-1 > RDT；latent planner 再 +0.12；复杂任务 >60%、vs RDT +32%（摘要）。
缩放：9.2k→1M 轨迹，completion power-law，r=0.97。
质量消融（锋利）：Wipe Table 上 验证 528 vs 未验证 482 → 更少验证数据 +0.18 completion；量大不等于更好。

5 · 主线 Insight

post-OXE：不是再拼 20 个机构，而是 同构 + 协议 + 长程。OXE=共训存在性；AgiBot=什么样的真机小时更值钱。
+30% 首先是数据性质，其次才是 GO-1。
双缩放：EgoScale（人动作小时–loss）∥ AgiBot（真机轨迹–completion）。
失败恢复已入集但 ~1%、无力同步 → 仍哲学 A 非 D。
CC BY-NC-SA：研究友好、商用受限。

6 · 口径

AgiBot World（2503.06669）以 >100 台同构双臂在真实五域采约 100 万轨迹（2976 h、217 任务），HITL + 失败恢复（~1%）换质量；GO-1 以潜动作桥接网页与真机，预训练相对 OpenX 约 +30% completion，轨迹 power-law（r=0.97），验证数据优于更大量未验证数据。post-OXE「同构高质量真机操作系统」代表，哲学 A 质量峰，非精密力协议 D。

7 · 关联

OXE 全文精读 · 企业版图 A · EgoScale · 自动标注/latent · ManuFacet 质量对照