具身智能面临数据瓶颈：现有数据集要么缺少运动真值，要么脱离真实家居环境，且大多只覆盖秒级原子动作。ACE-Data-0通过环境捕捉引擎ACE，在真实公寓中同步采集第一人称视频、全身运动、物体轨迹、音频和触觉信号，构建了包含17M帧、75000个交互片段的长程数据集。论文建立三级分层基准，从触觉推断、人体运动估计到手物交互估计，系统评估了感知-行动循环。基准测试显示，现有模型在真实家居遮挡和长程任务下仍有显著提升空间。注意：数据集目前仅覆盖2个环境和50名参与者，场景多样性有限；触觉手套和动捕服可能对自然行为产生轻微干扰。
世界模型研究正从视频生成转向世界理解与预测，但现有数据集大多只提供终端观测，缺乏动作、物理状态与因果干预信号。CG-World从工业CG生产管线中恢复出约85万条镜头级世界状态片段，将显式的物理中间状态、多模态观测与同根反事实分支系统对齐。实验表明，基于CG-World的后训练能显著提升视频生成质量、动作预测精度与VLA仿真迁移成功率。数据集继承工业CG生产偏差，生产衍生状态不能直接视为真实世界物理真值。
单图像散焦去模糊（SIDD）长期受限于合成数据和固定光圈的小规模数据集。本文介绍 RealDefocus 基准，通过 23,000 对真实高分辨率图像对，证明训练数据的真实性与规模是提升模型泛化能力的关键。实验显示，在 RealDefocus 上训练的模型在 RealDOF 测试集上表现显著优于传统 DPDDS 训练模型。注意：高容量模型计算成本较高，且真实 Ground Truth 可能存在残留模糊。
本文介绍 TransBiolab 数据集，解决实验室中透明生物医学物体感知难的问题。通过多视图 RGB-D 数据和真机操作实验，揭示 SAM 3 和 FoundationPose 在透明、对称物体上的性能瓶颈。注意：真机成功率受控制策略影响，不仅限于感知误差。