李飞飞学生发起国际具身人类数据标准，光轮智能成唯一参与中国企业

李飞飞学生发起全球首个具身人类数据标准

佐治亚理工学院助理教授Danfei Xu，在斯坦福攻读博士期间由李飞飞和Silvio Savarese共同指导，长期致力于让机器人从人类演示中学习并实现跨任务、跨环境、跨本体的迁移。这一研究线最终汇入EgoVerse——一套持续增长的第一视角人类操作数据生态与标准。

EgoVerse的核心目标只有一个：让全球具身数据按照同一套“语言体系”流动。不同团队使用各自的采集设备、坐标体系、动作标签和任务定义，即便两家机构都采集了“把杯子放到碟子上”，两份数据也无法直接合并训练。EgoVerse通过共享协议，让不同实验室在统一框架下重复实验、验证数据迁移效果，从而打破数据孤岛。

1362小时人类演示：EgoVerse数据生态初具规模

EgoVerse当前公开版本包含惊人的数据量：

• 1362小时人类演示视频
• 约8万个episode
• 1965项任务
• 240个场景
• 2087名采集者

数据不仅包含第一视角视频，还提供相机位姿、三维手部信息以及细粒度语言描述。联盟伙伴阵容豪华，包括佐治亚理工、斯坦福、苏黎世联邦理工、UC San Diego等学术机构，以及Meta、Scale AI、光轮智能、Mecka AI、MicroAGI、Trace Labs等企业。佐治亚理工承担组织中枢和研究框架角色，负责代表任务“object-in-container”；斯坦福负责双臂精细操作；UC San Diego和ETH Zurich参与长时序双臂任务验证。

跨越“具身鸿沟”：从人类双手到机器夹爪

人类有柔软灵活的双手，机器人可能只有两指夹爪；人可以依靠触觉、经验和身体协调完成任务，机器人却需要明确的观测和动作表示。人类数据并不会天然变成机器人能力，中间横着一道“具身鸿沟”。

斯坦福REAL Lab（由Shuran Song带领）开创的UMI（Universal Manipulation Interface）是打通这条路径的代表：使用便携式手持夹爪采集真实环境中的操作，再转化为可部署的机器人策略。Meta研发的Project Aria则提供“大规模基础模型”专用数据采集硬件——第一视角RGB相机、SLAM和手部追踪的同步场景相机，将“人看到了什么”升级为“人在三维世界中如何行动”。

光轮智能：唯一中国企业的“数据质量”三把斧

光轮智能作为唯一参与EgoVerse的中国企业，构建了一套贯穿端侧采集、云端处理和仿真验证的高质量数据控制体系。

第一把斧：端侧Agent实时质检
光轮智能的Agent驱动采集体系，围绕设备状态、任务流程、动作完整性和有效视角进行实时检查，发现风险时推动现场纠偏或补采。Agent还能根据已有数据分布，调控下一轮需要采集的人群、场景、任务与动作类型，避免数据规模增长后出现大量重复样本。

第二把斧：跨硬件统一云端处理
与绑定某一款眼镜或采集设备的方案不同，光轮智能的目标是让数据管线兼容不同硬件——无论原始数据来自Aria、iPhone、头戴相机还是其他多模态设备，都可以进入统一云端管线。处理流程包括视觉惯性里程计（VIO）、三维手部与Body标注、V7级动作语义标注，将异构原始数据转化为同一质量标准下的训练资产。

第三把斧：仿真验证闭环
数据完成处理后，光轮智能利用自研物理仿真平台SimFoundry和工业级评测平台RoboFinals，验证动作轨迹、物理关系和任务过程能否被合理还原，判断数据是否真正具有机器人学习价值。评测过程中发现的失败案例，会反馈给采集端，指导下一轮数据采集，形成持续优化的闭环。

从标准使用者到定义者：光轮智能的双重角色

光轮智能不仅参与EgoVerse，还同时进入了另一条重要基础设施——由NVIDIA、Google DeepMind、Disney Research联合发起的物理仿真标准Newton（技术指导委员会包括上述三家及光轮智能、Toyota Research Institute）。光轮智能同时参与EgoVerse与Newton，意味着其建设的已不只是今天的工具链，而是未来全球具身智能产业共同遵循的底层基础设施。这也标志着中国企业开始从标准的使用者，走向全球物理AI基础设施规则的共同定义者。