@rohanpaul_ai：大语言模型已经有了互联网。机器人必须建立自己的互联网。这正是Humyn Labs正在解决的数据问题。@hu…

X AI KOLs Timeline 新闻
robotics training-data human-experience sensors machine-learning

摘要

Humyn Labs正在通过将人类经验转化为使用多种传感器（如IMU、深度相机和手部追踪）的同步训练数据来解决机器人数据问题，使其对机器人训练有用。

大语言模型已经有了互联网。机器人必须建立自己的互联网。 这正是Humyn Labs正在解决的数据问题。 @humynlabs正在将人类经验转化为机器人无法轻易从网络上抓取的同步训练数据。 一个有用的机器人数据集不能仅仅是数小时的第一人称视频。 Humyn的样本将人类活动与IMU（惯性测量单元）、立体深度、6自由度头部姿态、21点手部关键点、腕部追踪、物体追踪和密集动作标签等信号配对。 一些捕获甚至将头部相机与两个腕部相机以及单独的IMU流同步。 因此，Humyn正试图围绕这些人类演示保留足够的结构，使其有用：自我中心视频、惯性测量、手部和头部姿态、物体轨迹、深度、叙述以及同步多相机视图。
查看原文
查看缓存全文

缓存时间: 2026/08/21 05:03

大语言模型拥有整个互联网。而机器人必须自建专属数据网络。

这正是 Humyn Labs 正在攻克的数据难题。

@humynlabs 正将人类经验转化为同步训练数据，解决机器人无法从网络直接抓取的学习瓶颈。

有用的机器人数据集绝不能仅有数小时的第一人称视频。
Humyn 的数据样本将人类活动与多种信号同步记录：包括IMU（惯性测量单元）、立体深度信息、6自由度头部姿态、21点手部关键点、腕部追踪、物体追踪及密集动作标签。

部分采集甚至将头部摄像头与双腕部摄像头及独立IMU数据流进行同步。

因此 Humyn 试图为人类示范保留足够的数据结构以确保实用性：包括以自我为中心的视频、惯性测量数据、手部与头部姿态、物体轨迹、深度信息、语音叙述及同步多视角影像。

Humyn Labs (@humynlabs)： 我们是Humyn Labs。在我们的助力下，每台机器人都能得心应手。

我们将人类经验转化为机器人技能，构建于数千小时就绪数据模型之上。

不同于通过整个互联网学习的大语言模型，机器人数据没有这样的捷径可走。

机器人需要真实世界的经验来

相似文章

机器人团队正在从头重建数据栈

Hacker News Top

机器人团队正在从头重建数据栈，以克服“数据层税”对机器人学习迭代和扩展的拖累，因为现有基础设施无法处理多速率和多模态数据。