具身智能的发展正处于关键阶段，如同曾经的AI，人形机器人过去50多年发展缓慢，而具身智能也亟待突破，其中数据是关键因素。
开源数据集为具身智能发展汇聚力量 。2023年10月，谷歌DeepMind联合21个机构收集22个不同类型机器人数据，开源了OpenX-Embodiment数据集，并训练了通用机器人模型RT-X。不过，该数据集由60个已有机器人数据集构建，存在数据参差不齐的问题。随后，众多机构纷纷开源具身智能数据集。2024年8月，鹏城实验室等发布并开源了ARIO，其在数据统一、质量、规模和场景丰富度上有显著提升。同年，国地共建具身智能机器人创新中心联合相关机构发布了RoboMIND。2024年12月，智元机器人发布AgiBotWorld，数据源于真机操作，具有高数据质量和统一性，且场景范围广泛。2025年2月，智元机器人又开源了AgiBot DigitalWorld仿真数据集。宇树机器人也开源了其G1机器人操作数据集。不过，像波士顿动力的Atlas和特斯拉的Optimus等数据未公开。
真机训练是具身智能数据获取的重要途径。人形机器人真机训练主要依靠人类动作捕捉和遥操作，相关服务商不断涌现。诺亦腾原本业务集中在多个领域，2023年下半年起，机器人领域合作激增。在机器人遥操作中，需优化算法减少“Sim2RealGap”。例如，诺亦腾和智元机器人优化惯性动作捕捉算法，凌云光与宇数科技研发光学动作捕捉系统FZMotion。此外，还有局部数据采集遥操作解决方案服务商，以及数据质检、标注、存储等服务商，共同构成真机数据采集生态链。部分机器人本体厂商搭建大型真机训练场，如智元机器人搭建全球最大的机器人数据生产与采集工厂。国家和地方政府也参与其中，上海的国地中心建设的“异构人形机器人训练场”已投入使用，其目的是让AI建立客观认知，预计2025年收集1000万条高质量机器人实体数据。
仿真训练拓展具身智能现实边界 。真机数据采集成本高且难解决“泛化”问题，因此仿真数据采集和训练解决方案受到关注。智元科技的AgiBotDigitalWorld是一套开源仿真框架。群核科技的酷家乐在装修领域积累的模型数据，成为人形机器人训练的优质资源，其平台有3.6亿个3D仿真物品模型，能保证物理正确。英伟达推出的世界模型Cosmos，可生成高度仿真的虚拟世界，让机器人在虚拟世界完成任务并获得反馈。OpenAI的Sora也曾被定义为“世界模型”，相关领域受到广泛关注。
