EgoScale——第一视角的2万小时人类标注数据扩展VLA的灵巧操作能力(提出human egocentric data下的缩放定律)：先大规模人类预训练，再人机对齐，最后单条示范微调
内容提要
EgoScale是一个基于大规模自中心人类数据的灵巧操作迁移框架。通过在20854小时的动作标注视频上训练视觉-语言-动作模型，发现人类数据规模与验证损失呈对数线性关系。该框架采用两阶段迁移方案，先进行大规模预训练，再进行少量对齐的中期训练，使机器人在极少监督下实现灵巧操作。研究表明，预训练策略在不同机器人平台上均能有效迁移，提升任务成功率。
关键要点
-
EgoScale是一个基于大规模自中心人类数据的灵巧操作迁移框架。
-
该框架在20854小时的动作标注视频上训练视觉-语言-动作模型，发现人类数据规模与验证损失呈对数线性关系。
-
EgoScale采用两阶段迁移方案，先进行大规模预训练，再进行少量对齐的中期训练。
-
研究表明，预训练策略在不同机器人平台上均能有效迁移，提升任务成功率。
-
通过引入少量对齐的人机中期训练数据，模型能够在极少监督下实现灵巧操作。
延伸解读
数据规模的重要性
EgoScale的研究表明，人类数据的规模与验证损失之间存在对数线性关系。这意味着，随着训练数据量的增加，模型的性能会显著提升。因此，在构建机器人学习系统时，确保有足够的高质量人类数据是至关重要的。
两阶段迁移方案的优势
EgoScale采用的两阶段迁移方案，先进行大规模预训练，再进行少量对齐的中期训练，能够有效减少对机器人监督的需求。这种方法不仅提高了灵巧操作的成功率，还使得模型在不同机器人平台上具备良好的迁移能力，具有广泛的应用潜力。
人机对齐的挑战
尽管EgoScale在预训练阶段使用了大量人类数据，但人类与机器人的运动学差异仍然是一个挑战。引入少量对齐的人机中期训练数据，可以有效弥补这一鸿沟，确保模型能够在实际操作中更好地执行任务。
延伸问答
EgoScale的主要功能是什么？
EgoScale是一个基于大规模自中心人类数据的灵巧操作迁移框架，旨在通过人类数据提升机器人在复杂任务中的操作能力。
EgoScale是如何训练视觉-语言-动作模型的？
EgoScale在20854小时的动作标注视频上进行训练，发现人类数据规模与验证损失呈对数线性关系。
EgoScale的两阶段迁移方案包括哪些步骤？
该方案首先进行大规模人类预训练，然后进行少量对齐的人机中期训练。
EgoScale如何提高机器人任务成功率？
通过引入少量对齐的人机中期训练数据，EgoScale使机器人在极少监督下实现灵巧操作，显著提高任务成功率。
EgoScale的预训练策略在不同机器人平台上表现如何？
研究表明，预训练策略在不同机器人平台上均能有效迁移，提升任务成功率。
EgoScale的研究结果对灵巧操作领域有什么影响？
研究结果确立了大规模人类数据作为学习灵巧操控策略的可扩展且可预测的监督来源，推动了灵巧操作的研究进展。
