Hub 发布了一个开源数据集,名字叫 HubEgo-100K。它的目标写得很直白:积累 10 万小时熟练手工劳动的第一人称视频,用来训练“像人一样干活”的 agent。
首批数据已经上线:10124 小时、72754 集、12227 名贡献者。场景覆盖工地、车间、厨房、仓库。协议是 CC BY 4.0,可商用,格式支持 LeRobot v3 与 MCAP。
这件事的看点不在模型,在数据。机器人具身智能的发展,当前受限于真实场景一人称视频的匮乏。换句话说,算法侧的动作很多,但能拿来喂给模型“人是怎么动手干活”的素材,一直不够。
HubEgo-100K 想补的就是这一块。它不提供仿真环境里的合成动作,而是直接收录熟练手工劳动的第一人称录像——镜头就是干活那个人的视角,手在做什么、工具怎么用、场景怎么变,全在画面里。
对做类人智能体的团队来说,几个细节值得注意:
- 规模:首批已过 1 万小时,目标是 10 万小时
- 来源:12227 名贡献者,不是单一实验室采集
- 授权:CC BY 4.0,可商用
- 格式:LeRobot v3 与 MCAP,接得上现有训练管线
数据驱动型学习的关键瓶颈,被这份数据集摆到了台面上:机器人干活最缺的是数据,不是算法。首批 10124 小时能不能撑起“像人一样干活”的 agent,还要看后续训练结果,但至少素材这一端,开始有人按小时往里填了。
热门跟贴