数据集介绍
InternData-A1 是上海人工智能实验室发布的大规模高保真合成操作数据集，论文收录于 arXiv 2025。该数据集首次证明：纯合成数据在预训练 VLA（视觉-语言-动作）模型时，可以媲美目前最强的真实机器人数据集（π-dataset）。
这一发现颠覆了"合成数据不如真实数据"的传统认知，揭示了大尺度仿真的巨大价值。实验表明，完全在 InternData-A1 上预训练的模型，在 49 项仿真任务、5 项真实世界任务和 4 项长程灵巧任务中，性能与官方 π₀ 模型持平。模型还展现出惊人的零样本仿真到真实迁移能力，在多个挑战性任务上实现直通部署。任务时序长度：支持长程任务，单条轨迹可达数百个动作步骤，包含 21.77% 的长期任务（涉及至少三种连续技能）
- 动作可执行性：基于高度自动化的组合仿真管道生成低层控制命令，支持单臂/双臂异构体，可直接用于 VLA 模型预训练
- 时序连续性：数据为连续轨迹序列，保留完整的时序依赖与物理交互过程
- 语言控制：每条轨迹配有语言指令，支持语言条件的策略训练
主要特点
- 纯合成数据飞跃：首个证明纯合成数据可匹敌顶级真实数据集（π-dataset）的工作。仿真与真实数据等效比在常规任务达 1:1，复杂任务可缩至 8:1 以内。
- 规模领先：63 万条轨迹、7,433 小时交互时长，是目前公开的最大规模机器人操作合成数据集之一。
- 物理多样性跨越：突破"纯刚体"局限，覆盖 刚体、铰接体、可变形体、流体 四类物体交互。包含 3,185 个刚性物体、321 个关节物体、20 件服装及流体任务。
- 多本体异构支持：涵盖4 种机器人构型——AgiBot Genie-1（双臂）、Franka Emika Panda（单臂）、AgileX Split Aloha（双臂）、ARX Lift-2（双臂），填补了双臂协作数据的开源空白。
- 自动化管道创新：采用"阶段解耦+堆叠渲染"的流水线架构，实现 2-3 倍端到端性能提升，支持低人工干预的大规模数据生成。
- 成熟生态集成：数据已按 LeRobot 格式 统一存储，与主流 VLA 训练框架（包括 π₀、ACT、Diffusion Policy）无缝对接。
- 社区验证广泛：InternData-A1 稳居 HuggingFace Robotics 数据集趋势榜 Top10，Intern-Robotics 系列模型/数据集总下载量超 110 万次。
数据来源
- 发布方：上海人工智能实验室
- 数据形式：纯合成数据（高保真仿真生成）
- 生成管道：四阶段自动化流程——环境构建 → 技能组合 → 域随机化 → 轨迹生成与渲染
- 物理引擎：Isaac Sim 仿真器 + CuRobo 运动规划器
- 资产来源：Objaverse、OmniObject3D、GRUtopia、GAPartNet、PartNet-Mobility、3D-FUTURE 等
规模
- 轨迹总数：超过 630,000 条
- 总交互时长：7,433 小时
- 总帧数：01 亿帧
- 机器人类型：4 种（AgiBot Genie-1、Franka Emika Panda、AgileX Split Aloha、ARX Lift-2）
- 原子技能：18 种
- 任务总数：70 项
- 长期任务（≥3 技能）：18 项（77%）
- 场景数量：227 个室内场景（厨房、书房、餐厅、客厅）
- 刚性物体：3,185 个
- 关节物体：321 个
- 服装/可变形物体：20 件
- 拾取放置任务占比：61%
- 铰接体操作任务占比：67%
- 基础任务（<3 技能）占比：95%
- 长期任务（≥3 技能）占比：77%
- 数据格式：LeRobot 格式（HuggingFace）
应用场景
InternData-A1 专为预训练通用 VLA 策略而设计，已在以下任务类型中验证有效性：
- 常规操作任务：拾取放置、推拉、旋转、插入等原子技能的组合与泛化
- 铰接体操作：开关抽屉、微波炉、冰箱门等关节物体交互
- 可变形物体操作：折叠衣物、布料铺平等柔性物体处理
- 流体操作：倒水、倾倒颗粒物等涉及流体动力学场景
- 双臂协同任务：双手搬运、装配、协作操作等
- 长程任务：涉及 3 种以上连续技能的复杂任务链
实验证明，基于 InternData-A1 预训练的模型在真实世界任务中表现优异——仅用 500 条仿真轨迹训练，即在 6 项真实任务上达到 50% 以上成功率。
官方网址
