EgoExplorer:可穿戴系统捕捉人类活动数据用于机器人训练
上海人工智能实验室、浙江大学和上海交通大学研究人员开发了一种新型可穿戴系统,结合头戴式GoPro HERO13相机、五个VIVE Ultimate追踪器、传感器手套等设备,采集了100小时的人类活动数据,创建了名为EgoExplorer的数据集。
推荐理由:100小时多模态人机交互数据集为机器人训练提供新思路,但实物应用仍需验证。
上海人工智能实验室、浙江大学和上海交通大学研究人员开发了一种新型可穿戴系统,结合头戴式GoPro HERO13相机、五个VIVE Ultimate追踪器、传感器手套等设备,采集了100小时的人类活动数据,创建了名为EgoExplorer的数据集。
推荐理由:100小时多模态人机交互数据集为机器人训练提供新思路,但实物应用仍需验证。
具身智能热潮催生了106个人形机器人数采中心,但部分企业利用数采中心包装虚假营收引发质疑。随着资本评估标准重构、科创板监管加强以及无本体采集技术兴起,数据采集行业正从重资产模拟场景转向分布式真实场景采集,价格下降、交易混乱,行业面临洗牌风险。
推荐理由:具身智能数据采集从产业基建沦为报表注水工具,随着资本评估重构和采集方式变革,这门生意正面临泡沫破裂后的真实考验。
印度工人佩戴相机训练物理 AI 模型,参与全球数据竞赛。
前千寻具身智能部负责人解浚源已在北美创业,成立gi labs,主要聚焦于打造数采设备,包括动捕手套、多目相机、机器人夹爪等。公司目前在美国旧金山设立国外办公室,国内办公主要在苏州,正在研发新一代数据采集设备,预计11月初量产,定价单套3555元起。
Google 发布人形机器人第一人称数据集 Take Ten-Thousand,包含 10,000 小时视频和传感器数据。该数据集支持具身智能研究,训练机器人通过人类视角学习环境交互。数据集已开源,供研究机构使用。
舍弗勒与恺望数据合作推进工业具身数据模型,进入产线验证阶段。双方未公开具体模型参数或性能数据,合作聚焦工业场景落地。
河南农村大妈通过穿戴式设备参与具身智能数据采集,每天工作8小时可获得80元日薪。英伟达年初发布EgoScale成果后,无本体采集成为主流,大大降低了数据采集门槛,使这一高科技行业向大众开放。
研究人员提出IndustrialRemembr,一个共享时空记忆系统,将NVIDIA ReMEmbR扩展至机器人舰队,通过按需生成场景描述减少服务器端计算。系统使用NVIDIA Jetson在机器人端编码视频片段,不上传原始相机帧,并支持GDPR合规的PII抽象。
推荐理由:将时空记忆扩展至机器人舰队,通过按需生成描述降低服务器计算量,同时保护隐私。
Deepseek 开源了其内部推理框架 DeepInfer,该框架基于 vLLM 构建,通过优化计算内核、多芯片分布式处理和更快的文本生成技术,使其 V4.1-Flash 模型能够快速规模化生成响应。公司还发布了 deepseek-recipe,用于复制官方 Deepseek API 的 token 处理方式,确保自托管设置行为一致。
NVIDIA 发布 Cosmos3-H-Dreams,首个基于临床胆囊切除术数据训练的实时生成式外科手术模拟器,可在单块 NVIDIA RTX PRO 6000 GPU 上运行。该模型基于 Cosmos3 架构,通过学习临床手术视频和机器人运动学数据,实现了对人体内部复杂解剖结构和组织运动的实时交互模拟。
推荐理由:首个基于临床手术数据训练的实时生成式外科模拟器,将手术训练从桌面场景推进到复杂人体内部环境。
研究团队发布了HandsOn,一个跨平台灵巧操作仿真基准测试,支持五种机械臂、六种灵巧手和约200种随机场景中的刚体、关节和可变形物体。该基准测试包含18,000个人类演示和66个验证任务,分为Core-50和Transfer-16两部分。
同一件事,精选收录的是《HandsOn: 一种可推广的灵巧操作大规模仿真基准》
Apache SeaTunnel 社区 2026 年 9 月合并提交 260 次,活跃贡献者 48 人,日均提交 8.7 次。本月新增 24 个连接器,完成 20 个 OptionRule 迁移,Zeta 相关提交 42 次。
AI公司HUMXN推出免费居家维修服务,通过付费获取居民同意,在住宅内录制技术工人作业过程,用于训练AI机器人。该项目首批在明尼阿波利斯、芝加哥和迈阿密三座城市落地,旨在采集不同环境下的真实场景数据。
推荐理由:付费采集真实世界数据训练AI机器人,开创了数据获取新模式,但隐私与伦理边界将成为行业焦点。
Zhiyuan Yang提出NISE方法,解决RGB-D传感器在透明、反射物体上产生的深度测量问题。该方法通过几何交叉视图自监督和高斯边际化3D注意力,在保持清洁深度性能的同时,显著提升深度噪声鲁棒性,适用于真实机器人任务。