AREX Feed Article
Eidon AI 关停，9TB 第一人称家务视频配 7 点 IMU 手臂追踪数据在 Hugging Face 开源
2026 年 9 月 21 日 20:28（北京时间），Hugging Face 旗下机器人团队 在 X 上宣布：Eidon AI（@eidon_ai）正在关停，并决定把积累的数据在 Hugging Face 上开源。帖子给出的数字是：9TB 自我中心（egocentric，即第一人称视角）视频，1,274 小时第一人称家务录像，配 7 点 IMU（惯性测量单元）手臂追踪，13,451 条录制，来自 27 个家庭，许可证 CC-BY-4.0，数据集位于 。截至 9 月 22 日核实，这条帖子获得 287 个赞、180 次收藏、28 次转发，浏览约 1.5 万次。
与帖子相连的数据集卡片已经可以访问、内容填充完整。卡片由 Solidic Labs Inc（Eidon AI）署名发布，开头写道：「这是一次完整的最终发布。Eidon AI（Solidic Labs Inc）已经关停；数据集以 CC-BY-4.0 发布，让它比公司活得更久。」卡片统计表列明：13,451 条录制、1,273.8 小时（LeRobot 帖子取整为 1,274 小时）、27 名贡献者、9.05 TB；视频为 MP4、1080p 到 4K、多为 30 fps；传感器为 7 颗 9 轴 IMU，采样率 24 Hz。
题图：在晾衣架前整理衣物。示意图来自 Pexels，非数据集画面。
一次拆成三份的最终发布
这次发布拆成了三个部分。 是视频库，收录全部 MP4 和一份 metadata.parquet；目录结构是 recordings/metadata.parquet 一行对应一条录制，MP4 按 data/000 到 data/013 分目录存放，每个目录 1,000 个文件，卡片说明分组只为管理方便、不携带含义。 是传感器库：同一批 13,451 条录制的 IMU 流，约 7.79 亿行，每行对应一条录制在某一时间戳、某一身体点位的读数，约 9.5 GB，靠 recording_id 与视频库关联。两者要一起用，才有配对的视频和动作数据。
第三部分 是单独的补充：306 小时没有传感器数据的自我中心视频，1,370 条录制、37 名贡献者，其中 14 人也出现在 tracker 数据里并保留同一编号。它放在 1.55 TB 的存储桶（Storage Bucket）里，而存储桶没有数据集查看器、没有版本历史，也不出现在组织页的 Datasets 列表，load_dataset 读不到，只能用 hf buckets sync 或 S3 兼容接口下载。
公告的扩散分两步。当天 UTC 早上 9 时 47 分（北京时间 17 时 47 分），X 简介写明 Hugging Face 机器学习图书馆员（Machine Learning Librarian）的 先发帖列出同一组数字，并链接 ；12 时 28 分，LeRobot 的帖子跟进，其 X 账号简介注明由 Hugging Face 打造。检索服务记录的页面日期显示，数据集页在 9 月 11 日、组织主页在 9 月 20 日即已存在，都早于公告发出；数据集确切的上传时刻无法精确确认。
头戴相机加七点 IMU 背带，在自家家务里录成
组织页对数据的来历写得很短：Eidon 为「捕捉人类操作动作」造了一套可穿戴设备——头戴相机加七传感器 IMU 背带，让贡献者在自己家里做真实的家务：洗衣服、清洁、洗碗、做饭。公司关停后，「我们收集的一切都发布在这里，授权 CC-BY-4.0，让它活得比我们久。」
七个 IMU 点位是双手、双前臂、双上臂和胸部，以 24 Hz 记录朝向。胸部传感器充当参考系：把胸部和肢体的读数做组合，可以得到相对躯干的手臂姿态，不受佩戴者面向哪边影响。相机与 IMU 的同步没有走硬件路线——两者在同一个应用里背靠背启动，偏移只有几毫秒的顺序执行耗时，使用时按时间戳就近对齐即可。
metadata.parquet 为每条录制存一行：时长、任务类型、录制时间、质检（QC）状态和各项分数、被拒或被标记的原因；一部分行还带有视觉模型识别出的物体标签。数据视图中编号 1 的录制，时间戳为 2025 年 10 月 22 日。
示意图：在水槽边洗碗。图片来自 Pexels，非数据集画面。
机器质检逐条打分，472 条无效样本被故意保留
卡片说明，每条录制在收录前都过了一遍自动化质检，「未经审阅的内容一概不在库中」。手部出现率用 MediaPipe HandLandmarker 抽帧判定，低于 20% 的帧拒收、20%～30% 标记；亮度用 HSV（色相、饱和度、明度）均值衡量，低于 20 拒收、20～40 标记；模糊用拉普拉斯方差检测，低于 25 标记；稳定性用 Lucas-Kanade 光流幅值衡量，超过 500 标记。
结果分三档：11,841 条有效（1,160.0 小时），1,138 条被标记（98.2 小时），472 条无效（15.7 小时）。这些无效样本被故意留在数据集里——卡片说负样本有用，要干净的训练集就按 qc_status 字段过滤。
卡片自己写明的局限：67.5% 的时长在叠衣服
「在用这批数据训练之前，先读这一节。」局限一节这样开头。第一条是任务分布：九类活动的时长严重偏斜，叠衣服一类独占近七成时长，而浇花、整理各只有两小时出头。卡片明说，把这当成均衡的九分类数据用是行不通的。
| 任务 | 录制数 | 小时数 | 时长占比 |
|---|---|---|---|
| folding_laundry（叠衣服） | 8,747 | 860.2 | 67.5% |
| cleaning（清洁） | 2,384 | 276.3 | 21.7% |
| doing_the_dishes（洗碗） | 984 | 52.1 | 4.1% |
| cooking（做饭） | 795 | 39.5 | 3.1% |
| drawing（画画） | 166 | 18.2 | 1.4% |
| knitting（编织） | 159 | 14.8 | 1.2% |
| making_the_bed（铺床） | 130 | 8.5 | 0.7% |
| watering_plants（浇花） | 67 | 2.3 | 0.2% |
| organizing（整理） | 19 | 2.1 | 0.2% |
贡献者也少且权重不均：27 人中最大的一位贡献了全部时长的 16.1%，前五名合计 57.2%。卡片提醒按 contributor_id 切分训练集和测试集——随机切分会把同一个人、同一个家和同一套设备同时放进两边，「虚高你的成绩」。人口学信息同样稀疏：27 人里 16 人报告了年龄（18～63 岁，中位数 26 岁），17 人报告了性别，其中 15 人为男性，卡片的原话是「这不是一个人口样本」。
覆盖面上还有两处需要过滤。原始运动数据（加速度计、陀螺仪、磁力计读数）按贡献者选择加入，13,451 条里只有 2,841 条（21.1%）带这些读数，朝向四元数则是全量都有，卡片要求用 has_raw_motion 字段判断、不要从版本号推断。另外 129 条录制没有开满七个点位，其中一些缺了躯干相对姿态所依赖的胸部传感器；需要完整配置就过滤 n_slots == 7 且 has_chest。
在这条帖子不多的回复里，账号 认为，CC-BY 授权下 1,274 小时配对的 7 点 IMU 与自我中心视频体量惊人，而叠衣服内容占比之高，更让它堪称一个「可变形物体操作」（deformable object manipulation）的终极基准。
允许商用的授权，与没有模糊处理的画面
授权是 CC-BY-4.0：商用允许、署名必须，引用条目署名 Solidic Labs Inc（Eidon AI），2026 年。同意流程写在「来源与同意」一节：贡献者是签署了书面知情同意的成年人，条款覆盖研究、商业使用和在公开数据集中再分发，并明确告知自我中心视频在 BIPA 与 GDPR（欧盟《通用数据保护条例》）下可能构成生物识别数据，处理依据是 GDPR 第 9(2)(a) 条的明示同意；只有接受这些条款的贡献者，其录制才会被收录。
去标识处理只做到元数据和传感器流：贡献者只剩整数编号，设备 MAC 地址被换成身体点位名，绝对时间戳被换成相对每条录制起点的偏移。视频本体没有动：在私人住宅拍摄，未做任何人脸模糊或区域遮挡；虽然志愿者被要求不拍摄其他人，卡片承认偶然拍到脸、文件、屏幕或室内环境「无法排除」。它留给使用者的话是：「任何部署用这批数据训练出的模型的人，都应该权衡这一点。」要求删除特定录制，可以写信给 。