伯克利联合17家实验室开源机器人失败数据集OopsieData

UC Berkeley联合Sergey Levine、Peter Stone等学者及17家实验室发起OopsieData开源数据集倡议，专门收集真实世界中机器人的次优操作与失败案例，数据现已全面向公众开放。该项目旨在通过“从失败中学习”提升强化学习与智能体的能力，并呼吁更多实验室加入共享失败数据。

已确认

• 项目由UC Berkeley、Sergey Levine及Peter Stone等学者与团队联合发起，目前已有17家实验室参与贡献数据。
• 数据集不仅收录成功操作，还特意收集通常会被丢弃的“次优解”和抓取失败短视频，这是机器人学习中最丰富却未被充分利用的资源。
• 该项目是继具备损伤感知能力的模拟器OopsieVerse之后，该团队在机器人安全与智能研究上的又一新进展。

为什么重要

• 传统强化学习与智能体训练通常依赖模仿成功案例，而OopsieData填补了这一空白。据@PeterStoneTX介绍，该项目旨在让模型通过预判并规避可能导致失败的动作，从而显著提升智能水平。
• 研究团队现已开放项目合作，呼吁更多实验室加入共享失败数据，共同解决机器人真实操作训练中的长期挑战。

2026-07-31 ~ 2026-08-01 · 5 条相关

• 机器人抓取失败视频成新数据集：OopsieData 收集废片训练 — chris_j_paxton · 2026-07-31
• 【源头】Oopsie-Data 项目开放合作：从失败中学习强化智能体 — PeterStone_TX · 2026-07-31
• 首个机器人真实世界失败数据集 OopsieData 发布 — RobobertoMM · 2026-07-31
• 17家实验室联合开源 OopsieData 机器人真实操作数据集 — SongShuran · 2026-08-01
• 伯克利联合发起OopsieData：收集机器人失败数据集 — berkeley_ai · 2026-08-01