最值得的关注是，光轮智能作为唯一一家中国公司，出现在这个顶级大佬云集的全球标准牌桌上。

EgoVerse：Danfei 想做的不只是一个数据集

机器人学习长期面临一个明显的数据悖论。

目前机器人训练仍然依赖真机遥操作，每增加一条演示，都需要机器人硬件、操作人员、实验场地和复位流程。采集速度慢、成本高，能够覆盖的任务和场景也很有限。

而人类的各种行为天然包含丰富的视觉信息、动作过程、物体交互和任务策略，明显是机器人更好的老师。

第一视角人类数据提供了新的路线：先记录人如何在真实环境中完成任务，再把这些经验迁移给不同机器人。

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，数据发布后也很难持续扩张。即使两家机构都采集了 " 把杯子放到碟子上 "，两份数据也未必能够直接放在一起训练。

Danfei 及其合作者因此没有把 EgoVerse 设计成又一份静态数据集，而是做成了一套 " 活 " 的协作框架。

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，并在不同实验室、不同任务和不同机器人本体上验证人类数据的迁移效果。

一套事实标准形成之前，往往要先完成几件事：

让参与者采用共同的数据结构，遵守共同的任务语义，生产可以相互兼容的数据，并用统一方法检验这些数据是否真的有效。

EgoVerse 正在做的，正是这一步：先让全球具身数据开始按照同一套 " 语言体系 " 流动。

EgoVerse 的核心共建方，都是什么背景？

具身人类数据并不是戴上一副眼镜、录一段视频，再加几个标签那么简单。完整采集流程至少包括研究问题定义、采集硬件、动作迁移、规模化运营、数据标注和机器人验证。任何一家机构，都很难单独完成所有环节。

EgoVerse 召集了具身领域里最头部的高校、学者、机构进行全球协作，共同定义具有划时代意义的数据标准。

佐治亚理工 Danfei Xu 教授：具身人类数据采集路线标志性代表，EgoVerse 的发起人

佐治亚理工承担的是 EgoVerse 的组织中枢和研究框架角色。Danfei Xu 与 RL2 团队长期关注机器人如何从人类数据中学习。到了 EgoVerse，问题不再只是 " 某一批人类视频能不能改善某一台机器人 "，而是进一步升级为：人类数据的效果能否跨实验室复现？能否跨机器人本体成立？数据规模增加时，能力是否稳定增长？哪些类型的数据才真正具有迁移价值？

EgoVerse 让不同实验室在共享协议下重复实验。佐治亚理工学院负责的代表任务是 object-in-container，斯坦福大学负责双臂精细操作，UC San Diego 和 ETH Zurich 则参与长时序双臂任务验证。由此，Danfei 搭起一种新的协作方式，使过去互不兼容的数据、算法、机器人和实验室，开始在共享协议下回答同一组问题。

斯坦福 Shuran Song 教授：UMI 发明人，让人类操作经验能够迁移给机器人

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。因此，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 "。

Shuran Song 带领的斯坦福 REAL Lab，是打通这条路径的代表团队之一。 其团队开创的 UMI —— Universal Manipulation Interface，使用便携式手持夹爪采集真实环境中的人类操作，再将这些演示转化为可部署的机器人策略。

UMI 的关键价值，是让数据采集摆脱固定机器人和实验室。人可以带着设备进入真实环境进行复杂长时序任务，学习得到的策略还能迁移到不同机器人平台。

简单说，斯坦福要解决的是：让人类经验变成机器人能执行的动作。

Meta：为 EgoVerse 提供专用数据采集眼镜

第一视角数据采集首先需要一双合格的 " 眼睛 "。Meta 研发的 Project Aria，是 行业首个专为 " 大规模基础模型 " 设计的专用数据采集硬件，可以记录第一视角视频、手部动作、相机位姿和空间信息。设备包含面向前方的 RGB 相机，以及用于 SLAM 和手部追踪的同步场景相机。没有这类空间感知能力，第一视角数据很容易只是一段 " 看起来像人在干活 " 的视频。Meta 解决的是如何把 " 人看到了什么 "，升级为 " 人在三维世界中如何行动 "。

Mecka：人类数据先驱，把数据采集从专用眼镜普及到手机

如果一套人类数据生态只能依赖少数专用硬件，它能够覆盖的采集者与真实环境就始终有限。

Mecka AI 推动了一条更便携的采集路线：使用 iPhone 与轻量化头戴装置完成第一视角采集，再通过云端处理恢复头部轨迹与双手三维关键点。

这一方案让第一视角数据不再只来自少数机器人实验室，而能够进入家庭、商店、工作场所和更多真实任务环境。

Mecka AI 所解决的，是如何让人类数据采集从专用设备走向更低门槛、更广覆盖的生产方式。

Scale AI：人类数据的规模化制造工厂

数据采回来之后，还要经历清洗、标注、质检、结构化和版本管理。

Scale AI 从 2016 年起长期从事 AI 数据基础设施建设，最早以自动驾驶等场景中的大规模数据处理能力闻名。进入 Physical AI 阶段后，它又把数据工厂数据扩展到机器人数据采集、标注、人工反馈和模型验证。

Scale 更擅长把数据生产变成一套成熟的运营和处理系统，从而在人类演示从几百条变成几万小时后，把大规模、异构的原始采集结果，转化为稳定可用的数据产品。

光轮智能：在规模化的前提下，构建人类数据最高质量标准

当具身数据生产真正迈向千万级小时，单单依靠采集工具和后处理，无法满足规模化下的数据质量需求。同时，采集设备越多、采集人员越多、场景越复杂的趋势下，视角偏移、动作遗漏、任务中断、设备异常和标注不一致等问题也会被同步放大。

数据可以快速增长，但真正能被机器人学习的有效信息，并不一定同步增长。

而光轮智能补上的，是一套贯穿端侧采集、云端处理和仿真验证的质量控制体系。

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，都可以进入统一的云端管线，通过 VIO、三维手部与 Body 标注、V7 级动作语义标注，被转化成同一质量标准下的训练资产。

数据完成处理之后，光轮智能还会利用物理仿真 SimFoundry 和模型评测能力 RoboFinals，进一步验证动作轨迹、物理关系和任务过程能否被合理还原，并判断数据是否真正具有机器人学习价值。通过不断的回环评价，掌握最快速的质量反馈，并且不断迭代，引领标准。

因此，光轮在 EgoVerse 中的贡献，是让数据在规模化生产中依然做到源头可控、跨硬件统一、价值可验证。

此外， MicroAGI也在探索分布式众包采集，通过让操作人员在真实家庭环境中自然完成任务，将人类数据生产从实验项目转化为可持续运营的采集网络。

规模化之后，光轮智能如何定义高质量人类数据

传统数据质量控制，通常关注文件是否完整、格式是否正确、轨迹是否缺失，以及标注是否通过。

但这些指标最多只能证明一条数据在生产流程上 " 合格 "，不能证明它真的值得机器人学习。

一段视频可能拍摄完整，动作轨迹却无法被机器人执行；一条标注可能符合规范，其中的任务过程却缺少关键步骤；一批数据看起来数量庞大，实际覆盖的人群、场景与动作分布却高度重复。

光轮智能将人类数据质量拆成三个连续环节。

首先，用 Agent 驱动数据采集质量与数据分布。

在光轮智能看来，具身数据最大的质量风险，经常发生在采集现场。

关键动作是否进入画面？手与物体的交互是否被遮挡？任务起点和终点是否完整？采集者是否偏离操作要求？一个 episode 虽然录制完成，是否真正包含完整的学习过程？

如果这些问题等到数据上传后才被发现，往往只能整段作废，或者重新组织人员补采。

光轮智能的 Agent 驱动采集体系，会围绕设备状态、任务流程、动作完整性和有效视角进行实时检查，并在发现风险时推动现场纠偏或补采。

更重要的是，Agent 不仅负责单条数据质检，也可以根据已有数据分布，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。

这使数据质量从事后抽检，转化为生产过程控制。

其次，通过兼容多种采集硬件的云端平台，实现统一的数据标准。

无论原始数据来自眼镜、手机、头戴相机还是其他多模态设备，都需要经过云端统一的处理和质量控制，才能进入同一个训练体系。

光轮的处理流程包括视觉惯性里程计，也就是 VIO，用于恢复相机在空间中的运动；三维手部与 Body 标注，用于还原人的身体动作和手物交互；以及 V7 级动作标注，把一段连续视频进一步切分为可以与任务过程对齐的动作语义。

光轮智能的人类数据解决方案 EgoSuite，能够在生产规模上提供三维手部、三维全身姿态和帧级语义标注，并强调在遮挡和近距离物体交互情况下维持稳定追踪。其平台也公开强调对不同商业设备、研究型眼镜、动作相机和定制采集系统的兼容能力。

这套思路可以用一句话概括： 硬件可以多元，进入模型之前的数据标准必须一致。

最后，用仿真与评测检验数据价值。

数据处理完成后，还要回答一个更关键的问题： 这些数据，是否真的值得机器人学习？

光轮智能将自研仿真平台 SimFoundry与工业级评测平台 RoboFinals接入人类数据质量闭环。 SimFoundry将人类数据中的动作轨迹、物体关系和任务流程，转化为机器人可执行、可复现的仿真任务； RoboFinals则通过标准化评测，验证这些数据究竟提升了哪些任务，又会在哪些机器人本体、场景和物理条件下失效。

因此，数据价值不再由生产方自行定义，而是由机器人训练和评测结果共同验证。评测过程中发现的失败案例，也会进一步反馈给采集端，指导下一轮需要补充哪些数据、扩大哪些分布、修正哪些采集规则，形成持续优化的数据闭环。

最终，高质量具身人类数据形成一条完整的数据质量闭环：

端侧 Agent 实时控制采集质量 → 多种采集硬件统一接入云端 → VIO、手部、Body Pose 与动作语义标准化处理 → SimFoundry 将人类数据转化为机器人可执行任务 → RoboFinals 验证数据学习价值并定位失败模式 → 评测结果反馈下一轮数据采集。

唯一中国公司，进入全球两大具身基础设施标准

随着具身智能从单点技术验证走向规模化发展，行业竞争正在从模型能力，进一步延伸到底层基础设施与标准体系。

其中，两条关键主线正在形成。

一条是以 EgoVerse为代表的数据基础设施，定义高质量具身人类数据如何采集、组织、处理、共享和持续迭代；另一条是以 Newton为代表的物理仿真基础设施，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。

Newton 由 NVIDIA、Google DeepMind 和 Disney Research 联合发起，由 NVIDIA、Google DeepMind、Disney Research、光轮智能和 Toyota Research Institute（TRI）五家企业共同组成技术指导委员会（TSC），持续定义机器人仿真与物理建模的技术路线，正逐渐成为全球具身智能的重要物理仿真基础设施。

前者解决机器人从哪里获得可规模化的学习经验，后者解决这些经验如何在物理世界中被复现和验证。数据与仿真，共同构成物理 AI 走向规模化的两大底座。

光轮智能成为目前唯一同时参与这两套国际标准体系的中国企业。

在 EgoVerse 中，光轮带入的是一套贯穿人类数据生产全流程的质量体系：从端侧 Agent 管理采集过程，到多种硬件数据进入统一云端管线，再到通过仿真与模型评测验证数据价值。人类数据质量由此从依赖人工抽检和经验判断，走向可定义、可比较、可验证、可持续优化的工程标准。

在 Newton 中，光轮参与物理求解、仿真资产、机器人训练与评测等核心能力建设，推动真实世界中的物体、任务和物理过程，转化为机器人可以交互、训练和验证的仿真基础设施。

这意味着，光轮参与定义的不只是某一种数据格式，也不只是某一套仿真工具，而是连接真实世界数据、物理仿真、模型训练与能力验证的底层标准。

如果说 ImageNet 为视觉 AI 建立了共同的数据基础设施，那么 EgoVerse 与 Newton 则分别从数据和仿真两个方向，为物理 AI 建立新的全球基础设施。

光轮同时进入 EgoVerse 与 Newton，参与建设的已经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。这也意味着，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。