HumanWAM 项目正式对外开放 20 万小时级第一人称 Ego 数据集，同时完成 5 万小时高质量标注子集的 Scaling 缩放实验验证，这也是全球首个达到这个量级的全开放 Ego 具身 AI 数据集，给人形机器人、具身世界动作模型研究提供了可直接复用的训练素材与完整数据处理管线，解决了长期以来机器人学习缺少大规模、高质量人类操作视频的痛点。Ego 数据就是头戴设备拍摄的第一视角视频，记录人手抓取、折叠、搬运等操作动作，对比机器人遥操作采集数据，采集成本更低、场景更丰富，但原始视频杂乱、无效片段多，很难直接拿来训练模型。这次 HumanWAM 团队先筛选出 5 万小时带手部追踪、自然语言标注的干净子集做 Scaling 实验，验证出一条对数线性缩放规律：数据量提升，机器人下游任务成功率稳定上涨；基于这个结论，团队把总规模扩充到 20 万小时并且全部开放，包含原始视频、标注文件、清洗脚本、评测套件，科研人员和开发者都可以免费下载复现实验、训练自己的世界动作模型。想要使用这套数据集，一般先下载公开子集，跑通数据清洗流程，再复现缩放实验，之后再接入仿真或者真机机器人做后训练测试。
HumanWAM 项目核心信息清单
- 开放总规模：20 万小时 Ego 第一视角人类视频数据
- 验证子集：5 万小时高密度标注子集（手部轨迹 + 文本描述）
- 核心成果：验证 Ego 数据对数线性 Scaling 定律，数据量越大，机器人泛化能力越强
- 模型版本：HumanWAM-Vanilla 纯人数据预训练、HumanWAM-Goal 人机混合预训练
- 仿真基准：RoboTwin 2.0、RoboDojo
- 配套开放物：清洗管线、预训练权重、推理代码、仿真评测套件
- 适用方向：具身基础模型、灵巧手操作、机器人零样本泛化研究
不同数据规模下仿真测试效果对比表
| 预训练数据时长 | RoboTwin Clean2Clean 成功率 | RoboTwin Clean2Random 成功率 | 核心特点 |
|---|---|---|---|
| 100 小时 Ego 数据 | 71.2% | 21.5% | 数据量小，分布外泛化差 |
| 50000 小时 Ego 数据 | 92.08% | 68.88% | 本次 Scaling 验证主实验，泛化能力大幅提升 |
| 20 万小时全量开放数据 | 待后续持续测试 | 待后续持续测试 | 更大规模，用来探索缩放上限 |
数据集上手复现实操步骤
- 资源获取：前往项目开源页面下载数据集、清洗脚本、预训练权重
- 数据过滤：复用官方管线，执行手部可见、画面稳定、剔除无效空镜头三道筛选
- 动作对齐：统一手部、相机坐标系，把不同来源标注转换成统一双臂末端表示
- 模型预训练：基于清洗后的 Ego 数据训练 HumanWAM 世界动作模型
- 下游后训练：接入 RoboTwin 仿真环境或者真机机器人，测试抓取、摆放等操作任务
- 对照缩放实验：使用 100h、10k、50k 不同数据档位，复现 Scaling 增长曲线
项目避坑要点
- 20 万小时是原始总数据，5 万小时是经过筛选、标注、用于 Scaling 验证的高质量子集，二者不能直接等同
- 原始 Ego 视频存在大量无效片段，不跑官方清洗管线直接训练，效果会明显变差
- 这套数据主要用于科研，面向仿真机器人、灵巧手研究，不能直接落地商用机器人产品
- Scaling 规律是在固定实验条件下测出的，换模型架构、换评测环境，收益曲线会发生变化
【相关 FAQ】
问题 1：全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证，Ego 数据是什么？
回答 1：全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证，Ego 数据指第一人称视角视频，由头戴相机记录人类双手操作物体的全过程，是训练具身机器人的重要素材。
问题 2：全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证，Scaling 验证得到了什么结论？
回答 2：全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证，实验证明机器人任务成功率和 Ego 预训练数据量符合对数线性缩放规律，数据规模变大，机器人分布外泛化能力持续提升。
问题 3：全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证，20 万小时和 5 万小时之间有什么区别？
回答 3：全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证，5 万小时是经过筛选、带手部和文本标注的高质量验证子集，用来做缩放实验；20 万小时是本次对外完整开放的原始 Ego 总数据集，里面包含大量需要二次清洗的原始片段。
【参考资料】
[2026-11-11]（全球首个 20 万小时级 Ego 数据全开放！HumanWAM 完成 5 万小时 Scaling 验证）42 号车库 AI
[2026-11-09]（Open-HumanWAM：北大开源 5 万小时 Ego 视频，验证机器人缩放定律）AI Weekly
[2026-11-04]（Open-HumanScale: An Open Recipe for Scaling Human and Robot Experience for Embodied Foundation Models）arXiv
[2026-11-08]（HumanWAM 具身数据集解读：Ego 视频如何训练世界动作模型）机器之心
【免责声明】
本文仅为 HumanWAM Ego 数据集科研成果资讯科普，数据集开放、模型效果、缩放规律均基于固定仿真实验环境；真机落地效果、商用价值存在不确定性，相关实验结果不能直接等同于机器人产品能力，本文不构成项目投资、技术选型建议。
本文来自作者[涧谷甜梅]投稿，不代表海博商机网立场，如若转载，请注明出处：https://www.hb12369.net/qyzx/202611/550.html
评论列表（4条）
我是海博商机网的签约作者“涧谷甜梅”！
希望本篇文章《全球首个 20 万小时级 Ego 数据全开放，HumanWAM 完成 5 万小时 Scaling 验证》能对你有所帮助！
本站[海博商机网]内容主要涵盖：互联网行业的追踪与探索
本文概览：HumanWAM 项目正式对外开放 20 万小时级第一人称 Ego 数据集，同时完成 5 万小时高质量标注子集的 Scaling 缩放实验验证，这也是全球首个达到这个量级的全开放 Ego 具身 AI 数据集，给人形机器人、具身世界动作模型研究提供了可直接复用的训练素材与完整数据处理管线，解决了长期以来机器人学习缺少大规模、高质量人类操作视频的痛点。Ego 数据就是头戴设备拍摄的第一视角视频，记录人手抓取、折叠、搬运等操作动作，对比机器人遥操作采集数据，采集成本更低、场景更丰富，但原始视频杂乱、无效片段多，很难直接拿来训练模型。这次 HumanWAM 团队先筛选出 5 万小时带手部追踪、自然语言标注的干净子集做 Scaling 实验，验证出一条对数线性缩放规律：数据量提升，机器人下游任务成功率稳定上涨；基于这个结论，团队把总规模扩充到 20 万小时并且全部开放，包含原始视频、标注文件、清洗脚本、评测套件，科研人员和开发者都可以免费下载复现实验、训练自己的世界动作模型。想要使用这套数据集，一般先下载公开子集，跑通数据清洗流程，再复现缩放实验，之后再接入仿真或者真机机器人做后训练测试。