3月17日,傅利叶正式开源全尺寸人形机器人数据集Fourier ActionNet,并发布全球首个全流程工具链。首批上线超3万条高质量真机训练数据,包含多种自由度灵巧手的训练数据及专门针对手部任务的模仿学习数据,面向全球开发者及科研机构开源共享,提供从数据采集、训练、部署的一站式解决方案。

数据高质量,提升训练有效性
高质量机器人动作数据是具身智能发展的核心驱动力。然而真实场景下的机器人动作数据长期面临采集成本高、标注精度不足等问题,制约着行业进步。Fourier ActionNet数据集囊括傅利叶GRx系列所有机型的各类任务训练,完整记录机器人在真实环境中的任务执行数据,涵盖了对常用工具、家居用品、食物等多种物体的精确取放、倾倒等操作,以及在不同环境条件下实现泛化执行。

全球首个全流程工具链,降低研发门槛
除了数据集的开源以外,傅利叶同步开放了全球首个包含采集算法、训练算法以及数据部署算法的全流程工具链,最大程度上与全球开发者共享研究成果。开源的训练框架(如DP、ACT、iDP3)和部署工具,进一步降低了人形机器人技术研发门槛。

共建开源生态,推动技术共享
目前,傅利叶已与国内外20多家顶尖科研院校及行业领军企业开展合作,基于GRx人形机器人平台在强化学习、模仿学习、VLM大模型、感知系统等研究领域产出多项突破性成果。此次数据集开源标志着傅利叶从技术攻坚向生态共建的战略升级,未来还将持续开放更多覆盖全身运控、多任务协同的进阶数据模块。

傅利叶始终致力于推动人形机器人开源生态建设,助力全球机器人技术共享与创新。我们诚邀所有对人形机器人研究感兴趣的开发者和科研伙伴加入这一开源浪潮,共同参与数据贡献与算法优化,迎接机器人技术赋能未来的无限可能。
好文章,需要你的鼓励
AI重构全球商业逻辑的当下,中国科技服务商如何跨越“被边缘化”的焦虑,在“云+AI”的全球版图中寻找新坐标?
快手科技研究团队提出了熵比截断机制,用于解决强化学习训练中AI容易"走偏"的问题。该方法通过监控AI学习前后思维活跃度变化,在关键时刻进行精准干预,既保证训练稳定性又维持探索能力。在数学推理任务中,此方法显著提升了模型性能并改善了训练稳定性,为AI训练领域提供了新的解决思路。
迪士尼研究院开发了一种让双足机器人学会优雅跌倒的新技术。通过强化学习,机器人能够在跌倒时既减少冲击力保护关键部件,又达到用户指定的艺术化姿势。
EditThinker是北京航空航天大学与美团等机构联合研发的图像编辑AI框架,让AI在编辑图片时能够像人类一样进行反复思考和优化。该系统通过"批评-优化-重试"的循环机制,将传统的一次性编辑转变为迭代改进过程,在四个权威测试平台上显著提升了现有编辑模型的表现,特别是在需要复杂推理的编辑任务中效果突出。