数据集介绍

InternData-M1 是一个全面的实体机器人数据集，包含 244K 模拟演示，具有丰富的基于帧的信息，包括 2D/3D 框、轨迹、抓取点和语义掩码，并附有全面的注释。

主要特点

• 基于超过 80,000 个开放词汇对象构建实体操作场景。
• 合成具有空间定位的多轮交互对话数据。
• 集成任务和动作规划的全链操作数据，提供丰富的基于帧的信息，如 2D/3D 框、轨迹、抓取点和语义掩码。任务指令涵盖开放对象识别、常识和空间推理以及多步骤长距离任务。

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（仿真生成）
• 生成管线：全自动化仿真数据生成管线——场景随机化 → 候选抓取点计算 → 轨迹生成 → 闭环物理验证 → 场景图验证
• 物理引擎：Isaac Sim 仿真器
• 物体来源：80k+ 不同物体，覆盖抓取-放置任务所需的刚性物体及部分关节物体

规模

• 演示轨迹：244,000 条封闭循环样本（含 23 万用于空间推理训练的数据）
• 总帧数：超过 300,000 帧
• 抓取-放置场景：244,000 个可泛化场景
• 物体数量：80,000+ 个
• 控制模式：低层控制命令（joint/ee control）
• 标注形式：开放式自然语言指令
• 数据质量：通过物理仿真闭环验证 + 场景图验证器双重筛选

应用场景

InternData-M1 专为训练通用操作大模型而设计，已在以下场景验证有效性：

• 空间智能操作：要求机器人理解物体间空间关系（如“将杯子放在盘子的右边”）
• 长程推理密集型任务：涉及多步骤、多物体交互的复杂任务链
• 开放物体泛化：在真实世界杂乱环境中操作未见过的物体及新配置
• 语义指令跟随：根据开放式自然语言指令完成对应操作
• 真实世界零样本部署：基于纯合成数据预训练后，直接部署到真实机器人上

实验证明，基于 InternData-M1 预训练的 InternVLA·M1 模型，在 SimplerEnv Google Robot 测试中提升 14.6%，在真实世界杂乱环境中对未见物体提升 20.6%，在长时程推理密集型场景中性能超越现有方法 10% 以上。

官方网址

https://huggingface.co/datasets/InternRobotics/InternData-M1