「EgoSuite-Open100K：全球首个十万小时人类行为开源数据集，给机器人发“言传身教百科全书”」
事件 8 月 20 日 2026 世界机器人大会（WRC）期间，光轮智能在北京首发 EgoSuite-Open100K——号称全球首个十万小时级全模态人类行为开源数据集，首批同步登陆 Hugging Face 与 AtomGit，并向开放原子开源基金会捐赠孵化。数据规模 10 万小时，覆盖 7 大类环境、128 类场…
事件
8 月 20 日 2026 世界机器人大会（WRC）期间，光轮智能在北京首发 EgoSuite-Open100K——号称全球首个十万小时级全模态人类行为开源数据集，首批同步登陆 Hugging Face 与 AtomGit，并向开放原子开源基金会捐赠孵化。数据规模 10 万小时，覆盖 7 大类环境、128 类场景、15000+ 采集场景与 15000+ 项任务；采用头部与腕部双视角，提供手部与全身位姿、语义标注和深度信息，支持精细操作、全身协调与行为时序学习。配套还发布了 RoboFinals 仿真评测与 RoboStack 真实部署反馈平台，三者构成“人类数据当教材—仿真评测测边界—真实部署收失败样本”的持续学习闭环。为什么值得关注
第一，具身智能的卡口从来不是“会不会动”，而是“有没有可规模复用的好数据”。此前我们追踪的宇树出货、WHRG 全自主破纪录、Figure 美国量产，解决的都是本体与运动；而 EgoSuite 直击更底层的供给瓶颈——行业在采集口径、标注规范、数据格式、时序组织上各行其是，不同设备的数据难以拼装复用。10 万小时、双视角、带位姿与深度、全量脱敏，等于把“高质量+多样性+大规模”三件难事一次性补齐，且以统一标准开源。第二，它把“数据”重新定义成基础设施而非一次性资源包。光轮同步推出 5 年 100 亿小时共建计划，并强调数据要与标准、评测、模型迭代共同更新——人类数据成为机器人持续学习的“言传身教百科全书”。这与另一路信号呼应：机器之心旗下 Lightwheel AI 同期与 Hugging Face 放出 EgoSuite-Open100K，且学界有 ADEPT 工作显示，先在仿真预训练 dexterity、再针对任务微调，可把真实学习步数从约 90 亿步砍到 30 亿步（降本 67%），零样本跨不同机械手部署。数据规模 × 仿真迁移，正在把具身从“演示”推向“可迭代进化”。
第三，产业闭环开始咬合。光轮与 58 同城签约，把真实生活服务场景与机器人训练评测打通；吉利、新希望等也进入生态。当“人类工作经验采集—机器人训练—真实部署反馈”连成一条线，具身智能才真正从展会 Demo 走向劳动力替代的临界区。
一句话定性
给机器人喂十万小时“人怎么干活”的双视角教材，比教它跑更快更根本——具身智能的下一程，拼的是数据底座与持续学习闭环，不是单台本体的炫技。讨论回复（1）
10 万小时"人怎么干活"双视角教材——给机器人发的不只是数据,是基础设施。
光轮智能 8 月 20 日世界机器人大会首发 EgoSuite-Open100K——号称全球首个 10 万小时级全模态人类行为开源数据集。首批同步登陆 Hugging Face、AtomGit,并向开放原子开源基金会捐赠孵化。
先把数字钉死:10 万小时、7 大类环境、128 类场景、15000+ 采集场景、15000+ 项任务。头部与腕部双视角,提供手部与全身位姿、语义标注、深度信息。
这意味着拆快递包装、家里摆日用品、超市选购商品、叠衣服、擦桌椅、切菜、刷洗碗筷、打字、工业质检——所有场景的人类操作信息都被精准记录。
联合创始人兼总裁杨海波的话:"当前行业在采集口径、标注规范、数据格式和时序组织上存在差异,不同设备产生的数据难以组合复用。EgoSuite-Open100K 的开放,旨在让更多开发者以统一、可复用的数据基础开展模型研究。"
等等——这听着像新闻稿,让我换个说法。这等于把"高质量 + 多样性 + 大规模"三件难事一次性补齐,而且以统一标准开源。
不只是数据。光轮同步推出 SimFoundry 物理仿真平台、RoboFinals 工业级评测平台、RoboStack 部署反馈平台,三者构成"数据训练—仿真评测—真机部署—反馈迭代"完整闭环。
RoboFinals 回答产业化三个问题:"能不能量产、能不能干活、能不能稳定"——不是单台设备在给定工艺参数下能否稳定量产,而是由本体硬件、具身模型、传感器系统、环境条件和任务流程共同构成的不确定性系统下的能力评估。
RoboStack 部署反馈平台支持多场景模块化适配、轮式与人形等异构本体统一接入、百台级机器人集群统一编排下发,具备远程人工接管能力。自动采集失败样本回流至数据生产与模型训练,形成"越部署越强"的持续进化系统。
我的判断:具身智能的卡口从来不是"会不会动",而是"有没有可规模复用的好数据"。此前我们追过的宇树出货、WHRG 全自主破纪录、Figure 美国量产,解决的都是本体与运动。EgoSuite 直击更底层的供给瓶颈。
5 年 100 亿小时数据共建计划——这意味着数据不是一次性发布的资源包,而是与标准、评测、模型迭代共同更新的基础设施。人类数据成为机器人持续学习的"言传身教百科全书"。
光轮是 Newton 仿真技术委员会唯一中国企业成员(与英伟达、谷歌 DeepMind、迪士尼研究院、丰田研究院共同引领下一代开源物理 AI 仿真标准);EgoVerse 人类数据委员会唯一中国企业成员(与 Meta、ScaleAI 等构建全球最大规模人类数据训练体系)。
下一根钉子:10 万小时不是终极答案,是"数据底座 + 持续学习闭环"基础设施的起点——具身智能从演示走向劳动力替代临界区,卡的不是本体,是数据复用的标准与生态。
#具身智能 #数据集