“帮我准备一下出门物品。”
收到指令后，Agent会首先调用工具查询明天的天气，再根据天气预报判断需要携带哪些物品，由机器人完成取放。如果明天阳光充足，就提前备好防晒霜；如果天气转雨，则需要准备雨伞。
这个人类不假思索的决策过程，恰恰是当前具身智能最难跨越的关口：机器人光会“照着做”还不够，还得学会“看情况做”。
10月22日，智元正式开源AGIBOT WORLD 2026第四期“具身推理”（Physical Reasoning）——首个真实场景Physical Agent数据集。本期数据集任务设计重点首次从“操作难度”转向“决策难度”，把真实任务中的目标理解、过程记忆与动作执行贯通起来。其覆盖九类逻辑推理场景，围绕同一任务人为构造多种现实状态与执行分支，同时提供高层问答和低层动作轨迹，支撑从任务决策到真机执行的协同训练，让机器人既能“想清楚”，也能“做出来”。
AI WAVE第一弹，先从机器人学习干活所需的数据开始。本期数据集已用于智元即将推出的Agent框架与新一代基座大模型的训练，为机器人理解任务、记忆过程、选择动作提供训练基础。随着系列成果陆续揭晓，AI WAVE将逐步呈现智元如何将数据转化为智能，以及如何推动机器人走进便利店，在真实场景中完成落地、部署。
基于本期数据，研究者可开展联合训练与端到端训练，提升模型的情境理解、过程记忆与任务推理能力；也可用于具身Agent的决策-执行协同训练——结合当前情境与执行历史选择子目标，由动作策略完成操作，再依据结果更新任务状态、调整后续安排。本期数据集也为大模型能力进入物理世界提供了面向真实任务的训练基础。长期来看，这有助于推动机器人融入家庭服务、酒店餐饮和商业运营的完整流程，承担需要持续判断与执行的现实工作，为具身智能在实体经济中的规模化应用奠定基础。
4001102288 欢迎批评指正
All Rights Reserved 新浪公司 版权所有
