WRC2026亮点|光轮智能发布全球首个十万小时开源人类数据集

2026世界机器人大会第二天，论坛、展馆及同期活动热度持续攀升，新技术、新产品、新产业亮点密集发布。

8月20日上午，具身数据独角兽公司光轮智能在会场发布全球首个十万小时开源人类数据集 EgoSuite-Open100k。据光轮智能联合创始人兼总裁杨海波介绍，当前具身数据主要有三个要求：高质量、多样性及规模化。本次发布的数据集以10万小时第一视角人类数据为整体规模，涵盖15,000+类场景，共计15,000+种任务。

本次大会，光轮智能光轮智能以“构建物理AI的持续学习基础设施”为主题亮相，集中展示了EgoSuite、SimFoundry、RoboFinals、RoboStack四大平台，以及国际标准共建、开放生态贡献的最新进展。

机器人如何像人一样持续学习？

从实验室走向真实任务，机器人需要持续学习、迭代能力。这包括学习经验从哪里来、如何规模化的试错纠正、能力边界如何被准确识别，以及真机部署反馈如何回到下一轮学习。

围绕这些问题，本次大会光轮智能展位沿着“人类经验进入数据体系—真实物理约束进入仿真环境—规模化评测识别能力边界—部署反馈进入下一轮迭代”的主线，全面呈现机器人从示范学习、仿真试错、能力评测到真实部署反馈的持续学习过程。

2026世界机器人大会光轮智能展位

其中，EgoSuite 人类数据平台记录和组织人类完成真实任务的过程，为模型学习任务拆解、动作技能、判断与应变提供可扩展的人类经验；

SimFoundry 物理仿真平台通过“求解—测量—生成”，构建包含接触、摩擦、形变及物体属性等真实物理约束的训练与测试环境；

RoboFinals 工业级规模化评测平台在可控条件下反复测试不同模型、本体和版本，并识别机器人的能力边界；RoboStack 部署与反馈平台连接真实任务验证，记录运行结果、异常情况和人工纠正，使现场经验能够回到后续数据生产、训练与评测。

四大平台共同组成一套 Real2Sim2Real 持续学习系统：真实任务不断提出新问题，人类数据与物理仿真补充学习经验，规模化评测定位能力缺口，部署反馈再推动数据、模型和评测体系持续迭代。

通过Real2Sim2Real基础设施，把真实世界数据、规模化评测与部署反馈连接成持续学习系统，让机器人从示范中获得经验，在可控环境中反复试错，再到真实任务中工作、纠正，并把新的经验带回新一轮学习。

实现数据规模化的关键：共享共建，规范标准

杨海波表示，具身智能仍缺少同时具备高质量、多样性、大规模的数据供给。当前行业在采集口径、标注规范、数据格式和时序组织上存在差异，不同设备产生的数据难以组合复用。EgoSuite-Open100K 的开放，旨在让更多开发者以统一、可复用的数据基础开展模型研究，降低高质量具身数据的获取门槛。

对于物理AI而言，仿真标准决定“如何学习”，数据标准决定“向谁学习”，二者共同影响机器人持续学习效率和产业发展速度。光轮智能成为参与具身仿真与数据两大国际标准共建的唯一中国企业。

在仿真领域，作为Newton仿真技术委员会唯一中国企业成员，光轮智能与英伟达、谷歌DeepMind、 迪士尼研究院、丰田研究院四家顶尖机构共同引领下一代开源物理AI仿真标准，参与下一代物理AI 仿真基础设施的规则共建。

在数据领域，作为EgoVerse人类数据委员会唯一中国企业成员，光轮智能与Meta、Scale AI、Mecka AI、MicroAGI、Trace Labs 等国际团队共同构建全球最大规模的人类数据训练体系，代表中国企业在具身数据侧的国际标准共建话语权。

在标准共通的语境下，光轮智能持续推进开放协同。本次发布的全球首个十万小时开源人类数据集 EgoSuite-Open100k，以头戴第一视角为主体，部分数据增加腕部摄像头视角，并提供手部姿态、全身姿态及事件级语义标注，支持模型学习精细操作、全身协调和任务时序。首批数据将通过 Hugging Face Hub 面向学术研究与商业训练开放，实际使用反馈也将用于决定后续开放内容，并推动采集、标注和数据格式进一步统一。

光轮智能表示，开放数据、统一评测和真实部署反馈需要场景方、模型团队、本体厂商、算力伙伴和集成服务商共同参与。场景方提供真实任务和工程约束，平台连接数据、仿真、评测与部署，现场反馈再推动下一轮数据和模型更新，才能让具身智能从单次演示进入长期运行。