18歲華人開源成果，火爆具身智能賽道

2025-11-17 16:13:30

最近，有史以來最大的人類為中心（huamn-centric）數(shù)據(jù)集Egocentric-10K開源了。

具身智能的Scaling Law正蓄勢(shì)待發(fā)。

最近，有史以來最大的人類為中心（huamn-centric）數(shù)據(jù)集Egocentric-10K開源了——

10億幀畫面，來自2153個(gè)人類工人在真實(shí)工廠中共計(jì)10000小時(shí)的工作。

其規(guī)模是同類數(shù)據(jù)集EPIC-KITCHENS的100倍，并且將數(shù)據(jù)場(chǎng)景從家庭擴(kuò)展至真正的工廠車間，是首個(gè)完全在真實(shí)工廠中收集的數(shù)據(jù)集。

發(fā)布不到三天，Egocentric-10K在Hugging Face的下載量就突破了1.3w次，并登頂趨勢(shì)榜。

網(wǎng)友紛紛點(diǎn)贊，直呼太強(qiáng)了！

而這，竟出自一名18歲的連續(xù)創(chuàng)業(yè)者之手。

押注人類數(shù)據(jù)路線

Egocentric-10K是華人小哥Eddy Xu的初創(chuàng)公司Build AI最新發(fā)布的具身智能數(shù)據(jù)集，Build AI官方稱其為最大的開源的“物理作業(yè)”數(shù)據(jù)集（largest open source dataset of physical jobs）。

如開頭所說，這是第一個(gè)完全從真實(shí)工廠中收集的huamn- centric數(shù)據(jù)集，包含10億幀畫面，來自2153個(gè)工人共計(jì)一萬小時(shí)的工作，總視頻片段達(dá)到了19.2萬個(gè)，數(shù)據(jù)集大小達(dá)到了16.4TB。

相比Ego4D、EPIC-KITCHENS等以往的huamn-centric數(shù)據(jù)集，Egocentric-10K不僅在數(shù)量規(guī)模上更大，而且在數(shù)據(jù)收集場(chǎng)景中，也由日常家庭、廚房場(chǎng)景擴(kuò)展至了真實(shí)工廠的操作。

這使Egocentric-10K在手部可見性和主動(dòng)操作密度方面達(dá)到了領(lǐng)先水平。

在數(shù)據(jù)收集上，Egocentric-10K的操作視頻數(shù)據(jù)來自全球各地的真實(shí)工廠，由工人佩戴頭戴式攝像設(shè)備在抓取、組裝等操作中自然錄制。

其中，頭戴式攝像頭能夠收集128°×67°、1080p、30fps的視頻數(shù)據(jù)，相比許多舊數(shù)據(jù)集（720p、60~90° FOV）提升明顯。

不過，Egocentric-10K數(shù)據(jù)集中目前僅有RGB視頻信息，暫時(shí)缺乏深度、音頻、觸覺等多模態(tài)信息。

當(dāng)有網(wǎng)友表示能否加入更多模態(tài)的數(shù)據(jù)信息時(shí)，創(chuàng)始人小哥賣了個(gè)關(guān)子，表示：

該讓你知道的時(shí)候會(huì)讓你知道的。

當(dāng)然，也并不是那么密不透風(fēng)。

據(jù)Build AI官網(wǎng)的最新介紹，其將在位于深圳的制造工廠計(jì)劃于2026年生產(chǎn)數(shù)百萬副記錄眼鏡，以實(shí)現(xiàn)全球覆蓋，屆時(shí)也許會(huì)覆蓋更多的模態(tài)信息。

此外，也有網(wǎng)友對(duì)大規(guī)模數(shù)據(jù)的實(shí)際可用性提出質(zhì)疑，例如工廠場(chǎng)景下的數(shù)據(jù)是否具備足夠多樣性、人類的實(shí)操經(jīng)驗(yàn)又該如何有效遷移至機(jī)器人系統(tǒng)等核心問題。

而這，就引出了human-centric與真機(jī)、遙操等技術(shù)路線的差異。

與前段時(shí)間Generalist AI發(fā)布的史上最大真機(jī)數(shù)據(jù)集不同，此次Egocentric-10K主打human-centric方向，對(duì)標(biāo)Figure的Project Go-Big項(xiàng)目，核心在于強(qiáng)調(diào)人類數(shù)據(jù)向機(jī)器人的遷移價(jià)值。

在這一賽道上，特斯拉與國內(nèi)的它石智航等玩家也均以human-centric為核心布局，試圖通過大規(guī)模第一視角的人類操作數(shù)據(jù)，讓機(jī)器人學(xué)習(xí)到更靈巧、更符合直覺的manipulation技能。

相比真機(jī)，human-centric的顯著優(yōu)勢(shì)在于：真機(jī)數(shù)據(jù)昂貴而稀缺，而人類數(shù)據(jù)在現(xiàn)階段可以以更低成本、更高速度擴(kuò)展規(guī)模。

但代價(jià)也同樣清晰：必須跨越human-to-robot dynamics gap——人手與機(jī)械臂之間在關(guān)節(jié)、動(dòng)力學(xué)、傳感模式上的系統(tǒng)性差異。

最終，哪條路線更能抵達(dá)通用機(jī)器人智能的“臨界點(diǎn)”，仍需要時(shí)間與數(shù)據(jù)規(guī)模去驗(yàn)證。