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