AREX Feed Article
Lightwheel 与 Hugging Face 开源 EgoSuite-Open100K：10 万小时第一人称工作数据可商用
8 月 21 日，Hugging Face 官方 LeRobot 账号宣布，与 Lightwheel 联合发布 EgoSuite-Open100K：一个 10 万小时、全标注的第一人称（egocentric）人类工作数据集，含 15,000+ 任务、15,000+ 真实场景，标注手部与身体姿态，部分数据带腕部相机视角，采用 LeRobot 格式，面向学术研究与商用训练开放。 称其覆盖厨房、卧室、仓库、产线等 7 类环境、128 种场景，并写道："Always great to see a dataset at this scale released openly on the Hub"（看到这种规模的数据集在 Hub 上开放发布，总是很棒）。
10 万小时并非一次全部上线。约 45 分钟后，Lightwheel 官方账号跟进发布，说明"首批 1 万小时现已上线，其余分阶段放出"。 同时强调数据"Licensed for commercial training, not research-only"（授权商用训练，而非仅限研究）。
Hugging Face 上的把整个发布称为"最大的全标注开源第一人称人类数据集"；10 万小时、15,000+ 任务这些数字目前均为发布方公告口径。
首批 1 万小时已上线，下载要先过审核
集合目前包含 3 个数据仓库：EgoStandard（9 万小时头戴视角）、EgoPro（1 万小时头戴加腕部视角）和 EgoDemo（50 小时样例）。说明，EgoDemo 是入门入口，覆盖全部四条 SKU 并额外提供两类原始视频，数据直接存放在仓库里，可用 huggingface_hub 按子目录选择性下载。
数据不是点开就能下。三个数据集页面都要求先提交访问申请，官方称审核需 2-3 个工作日。显示，标注片段同时提供 LeRobot v3.0 与 MCAP 两种格式。同一段 episode 用同一 UUID 关联，官方提醒两者是同一批数据的两种表示、不能相加；原始视频另以 MP4 存放。
许可方面，EgoStandard 页面标注的协议为 commercial-training-no-resale-v1.0（可商用训练、不可转售）。隐私处理上，官方称所有录像先经自动化脱敏流水线、再经人工核验，发布前模糊人脸、车牌等个人信息。EgoDemo 卡片还写明，采集参与者均签署了覆盖采集、标注与受控发布的知情同意。
10 万小时从哪来：9 万头戴视角加 1 万腕部相机
10 万小时由四条 SKU 拼成：EgoStand 8 万小时（头戴视频加左右手姿态）、EgoStand-body 1 万小时（再加全身姿态）、EgoProStandard 8 千小时（头戴加腕部视频加手姿态）、EgoProStandard-body 2 千小时（再加全身姿态）。写明，腕部相机只覆盖 EgoPro 这 1 万小时，用于近距离接触与抓取场景；行业媒体 Humanoid Robotics Technology 的称，这是因为腕部视角能补上第一人称画面里手部被遮挡时的接触信息。
姿态数据以 float32 世界坐标存储：左右手各 21 个关键点、全身 22 个关键点，四元数按 (qw, qx, qy, qz) 排列。事件级语义标注（动作分段、操作对象）作为免费附加项提供，不在标准 SKU 定义之内。
官方还特别说明，15,000+ 任务、15,000+ 场景是集合层面的覆盖数字，不是单个仓库的计数。场景多样性按 Humanoid Robotics Technology 的梳理：7 类环境（家居、酒店餐饮、零售、体育、物流、办公、工业）、128 种场景类型、18 类任务（装配安装、备餐烹饪、库存管理、工具使用、维修保养、打包分拣等）。同一篇报道还提到，数据集由一支分布在全球的采集队伍按统一流程产出，规模在已开源的第一人称人类数据集中属前列。
第一人称数据为何成了稀缺资源
这次发布要解决的问题，Lightwheel 在 2025 年 12 月 4 日介绍 EgoSuite 时就讲过：把机器人训练数据比作一座金字塔，底层是海量但缺少接触信号的网页视频，顶层是价值高但无法规模化的真机遥操作数据，第一人称人类数据位于两者之间——不需要机器人硬件就能大规模采集，又直接记录人手与物体的接触和操作。
支撑"规模"的是一套全球采集网络。按同一篇文章的说法，Lightwheel 在 7 个国家、500+ 环境并行采集，每周产出 2 万+ 小时示范，已交付 30 万+ 小时第一人称数据；采集设备包括头戴 VR 单元、外骨骼式捕捉系统和 UMI 对齐的夹爪接口，记录 RGB-D、姿态与触觉信号。
发布方把这次开源放在"规模定律"的叙事里。Lightwheel 在公告中称："Physical AI has a scaling law of its own now, and its input is human data. That part is settled."（Physical AI 现在有了自己的规模定律，它的输入是人类数据，这一点已经尘埃落定。）Humanoid Robotics Technology 补充了背景：NVIDIA 的 EgoScale 工作曾在 20,854 小时第一人称视频上观察到对数线性规模定律，Dyna 又把它从一千小时外推到一百万小时。
发布前 Lightwheel 已经围绕这个方向站队：7 月 8 日它宣布参与 EgoVerse 生态，称将围绕"经训练验证、宽松许可的数据"与研究者、数据伙伴和基础设施团队共建开放生态。
发布首日："开源是新的护城河"
公告发出后，X 上最早一批引用推文来自机器人圈。新加坡国立大学助理教授、前 NVIDIA 与 Allen AI 机器人团队成员的 Jiafei Duan 引用 Lightwheel 的公告写道："Open source is the new moat."（开源是新的护城河）。
基于 LeRobot 构建产品的 UMA Robots 联合创始人兼 CEO Remi Cadene 评价："Super cool release!"（非常酷的发布）。 Hugging Face LeRobot 团队成员 Pepijn 则称这是"对开源机器人生态的惊人贡献"。
也有声音把关注点从数据量移向数据处理。在 WorldArchiveAI 做多模态机器人学习数据的 Shubham Agarwal 引用公告说，很快会出现 100 万甚至 1,000 万小时的开源机器人数据，"到那时，采集更多数据可能不再是最大瓶颈"，难点会变成摄取、索引、质检、标注与检索这些让数据真正进入训练管线的环节。
Open100K 只是第一层
对 Lightwheel 来说，这次开源不是一次性的数据捐赠。它在公告里说："We build the data infrastructure for Physical AI. Open100K is the first public layer of it."（我们为 Physical AI 构建数据基础设施，Open100K 是它的第一层公开层。）
Humanoid Robotics Technology 的报道也写道，Open100K 不是终点，后续开源什么取决于数据在实践中的表现。发布方想推动的事情之一，是让目前仍然碎片化的采集约定、标注 schema 与数据格式收敛到共享标准。
眼下能核实的事实止于发布方公告：数据集已在 Hub 上、首批 1 万小时已开放申请、许可允许商用训练。10 万小时的完整构成是否如公告所述，其余 9 万小时以什么节奏放出，要等后续批次上线才能检验。