10月22日，智元开源AGIBOT WORLD 2026第四期具身推理（Physical Reasoning）——首个真实场景Physical Agent数据集。
本期数据集的任务设计重点，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，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，本期数据集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”。
区别于固定动作组合，真实世界任务往往没有标准答案。以“补货到3瓶”为例，机器人需先区分空瓶与满瓶、清点数量，再决定回收与补充数量，初始状态不同，操作步骤完全不同。
本期数据集围绕物品数量、遮挡关系、位置占用、任务进度四类关键因素，刻意采集同一任务在不同状态与约束下的决策与执行过程，覆盖属性约束选择、情境条件化选择、前置条件推理、目标导向搜索、长程规划、记忆状态维护等九类核心推理能力，并按Easy、Medium、Hard形成难度梯度。
在数据链路层面，该数据集通过任务指令描述完整目标，以Task Frame、子任务区间和动作步骤刻画任务结构；动作层面以Dense Prompt明确目标对象、操作部位、左右臂分工与预期结果，并与真机动作配对，同时提供框、点、线等空间标注及成功、干扰标注，支撑从任务决策到真机执行的协同训练。
本期数据集已应用于智元即将推出的Agent框架与新一代基座大模型的训练。基于该数据，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，推动机器人融入家庭服务、酒店餐饮和商业运营等真实场景，为具身智能在实体经济中的规模化应用奠定基础。
