标签
本文讨论了使用第一人称视频进行机器人学习的潜在优势和挑战，指出虽然直接模仿有限，但视觉注意序列可能得以迁移。文章引用了LingBot-VLA 2.0，并呼吁进行控制实验以分离视角效应和数据量影响。
EgoCS-400K 是一个大规模的第一人称反恐精英数据集，包含超过40万段第一人称视频和10,000小时的游戏玩法，为世界模型研究提供了时间对齐的视频-动作-语言轨迹。
金奈一位25岁的家庭主妇为AI公司拍摄日常家务视频，每小时赚250卢比，这些公司正在训练人形机器人。她是印度日益增长的零工经济的一部分，成千上万人通过记录日常任务来训练未来的机器人。