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
内容提要
EgoVerse是由佐治亚理工等机构发起的全球第一视角人类操作数据生态，旨在为机器人学习建立统一数据标准。光轮智能作为唯一中国公司参与，提供端侧采集、云端处理和仿真验证的质量控制体系，并同时参与NVIDIA等发起的Newton仿真标准，推动物理AI基础设施的全球定义。
延伸解读
从ImageNet到EgoVerse：数据标准如何驱动AI发展
文章将EgoVerse类比为机器人领域的ImageNet，强调统一数据标准对技术突破的关键作用。ImageNet通过提供大规模、可比较的数据集，推动了图像识别和深度学习的快速发展。EgoVerse旨在为机器人学习建立类似的基础设施，通过统一数据格式、任务语义和评测方法，使不同实验室的数据能够兼容和比较，从而加速具身智能的研究与落地。
人类数据采集的挑战与EgoVerse的解决方案
机器人训练长期依赖真机遥操作，成本高、速度慢，而人类行为数据蕴含丰富信息，是更好的学习来源。但过去的人类数据集多为一次性项目，缺乏统一标准，难以整合。EgoVerse通过建立协作框架，联合多所高校和企业，共同定义数据采集、处理和验证的标准，旨在解决数据兼容性和可扩展性问题，推动人类数据在机器人学习中的有效利用。
光轮智能的质量控制体系：从采集到验证的闭环
光轮智能作为唯一参与EgoVerse的中国企业，其核心贡献在于构建了贯穿端侧采集、云端处理和仿真验证的质量控制体系。该体系通过Agent驱动实时检查采集质量，兼容多种硬件设备，并利用仿真平台SimFoundry和评测平台RoboFinals验证数据价值，形成闭环反馈。这有助于确保规模化生产的数据质量，提升机器人学习的有效性。
数据与仿真：物理AI的两大基础设施
文章指出，物理AI的发展需要两大基础设施：数据基础设施（如EgoVerse）和物理仿真基础设施（如Newton）。前者解决机器人学习经验的来源，后者确保经验在物理世界中的可复现性。光轮智能同时参与这两套国际标准体系，表明中国企业正从标准的使用者转变为定义者，参与全球物理AI基础设施的规则制定。
Q&A
EgoVerse是什么？由谁发起？
EgoVerse是由佐治亚理工学院等机构发起的全球第一视角人类操作数据生态，旨在为机器人学习建立统一的数据标准。发起人包括佐治亚理工的Danfei Xu教授等。
EgoVerse的数据规模有多大？包含哪些内容？
EgoVerse当前公开版本包含1362小时人类演示数据、约8万个episode、1965项任务、240个场景和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。
为什么需要EgoVerse这样的数据标准？
因为机器人学习面临数据悖论：真机遥操作采集慢、成本高，而人类数据是更好的老师。但过去的人类数据集大多是一次性项目，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，导致数据无法兼容和持续扩展。EgoVerse旨在建立统一的数据标准，让全球具身数据按照同一套“语言体系”流动。
光轮智能在EgoVerse中扮演什么角色？
光轮智能是唯一参与EgoVerse的中国企业，提供贯穿端侧采集、云端处理和仿真验证的质量控制体系。它通过Agent驱动采集质量、兼容多种硬件的云端平台以及仿真评测，确保数据在规模化生产中保持高质量和统一标准。
光轮智能如何保证人类数据的质量？
光轮智能将人类数据质量拆成三个环节：首先用Agent驱动数据采集质量与数据分布，实时检查设备状态、任务流程、动作完整性等；其次通过兼容多种采集硬件的云端平台实现统一数据标准，包括VIO、三维手部与Body标注、V7级动作语义标注；最后用仿真平台SimFoundry和评测平台RoboFinals验证数据价值，形成闭环。
Newton是什么？光轮智能在其中参与什么？
Newton是由NVIDIA、Google DeepMind和Disney Research联合发起的物理仿真基础设施，旨在定义机器人如何在遵循真实物理规律的仿真世界中完成训练、验证和评测。光轮智能是技术指导委员会（TSC）成员之一，参与物理求解、仿真资产、机器人训练与评测等核心能力建设。
EgoVerse和Newton分别解决什么问题？
EgoVerse解决机器人从哪里获得可规模化的学习经验，即数据基础设施；Newton解决这些经验如何在物理世界中被复现和验证，即物理仿真基础设施。两者共同构成物理AI走向规模化的两大底座。
光轮智能同时参与EgoVerse和Newton意味着什么？
光轮智能是唯一同时参与这两套国际标准体系的中国企业，意味着它参与定义连接真实世界数据、物理仿真、模型训练与能力验证的底层标准，标志着中国企业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。
