egocentric-data

Ropedia W0 是首个跨人类与多机器人具身的 loco-manipulation 世界基础模型，通过统一运动学表征和 10k 小时人类 + 3k 小时机器人数据实现五个基准上的最先进性能，蒸馏后支持实时分钟级 rollout 与 VR 交互。

InternW0是来自Shanghai AI Laboratory的基础物理世界模型，联合学习视觉动态与机器人控制以实现高效的真实世界交互，在异质数据上训练，并在科学任务上进行评估。

WuJi 已开源其 MINT 模型和 EgoPipeline，用于从第一人称视频中重建3D手部和摄像头运动，以及1,021小时的自我中心数据，以辅助机器人学习。

本文使用HFlow评估开放权重VLMs在处理自我中心数据方面的表现，显示Gemma和Qwen等模型与Gemini基线相比达到高精度，同时成本更低且适合自托管。

Macrodata Labs 发布了一篇研究博客，介绍如何仅使用开源模型来恢复三维手部运动信号，从而利用第一人称视角视频数据扩展机器人技术。

一位记者免费享受了一顿由私人厨师烹制的午餐，厨师头戴摄像头记录手部动作，这是Shift为训练机器人收集第一人称数据计划的一部分。

Encord和Zander Labs正在实验用脑电波头戴设备采集更丰富的物理AI训练数据，旨在解决真实世界机器人数据稀缺的问题。

一位《连线》杂志的作者花了一周时间录制自己做家务，为训练人形机器人生成以自我为中心的视频数据，探索人工智能数据收集领域日益增长的零工经济趋势。

一家公司正在从3万名在轮班期间佩戴头戴式设备的工厂工人身上采集第一人称视角数据，如有兴趣可联系对接。

MobileEgo Anywhere 是一个基于移动设备的框架，利用智能手机传感器收集长时间自我中心机器人数据，通过降低硬件门槛，使得大规模训练视觉-语言-动作模型成为可能。