henry 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

具身智能的Scaling Law正蓄勢待發(fā)。

最近，有史以來最大的人類為中心（huamn-centric）數(shù)據(jù)集Egocentric-10K開源了——

10億幀畫面，來自2153個(gè)人類工人在真實(shí)工廠中共計(jì)小時(shí)的工作。

其規(guī)模是同類數(shù)據(jù)集EPIC-KITCHENS的100倍，并且將數(shù)據(jù)場景從家庭擴(kuò)展至真正的工廠車間，是首個(gè)完全在真實(shí)工廠中收集的數(shù)據(jù)集。

發(fā)布不到三天，Egocentric-10K在Hugging Face的下載量就突破了1.3w次，并登頂趨勢榜。

網(wǎng)友紛紛點(diǎn)贊，直呼太強(qiáng)了！

而這，竟出自一名18歲的連續(xù)創(chuàng)業(yè)者之手。

押注人類數(shù)據(jù)路線

Egocentric-10K是華人小哥Eddy Xu的初創(chuàng)公司Build AI最新發(fā)布的具身智能數(shù)據(jù)集，Build AI官方稱其為最大的開源的“物理作業(yè)”數(shù)據(jù)集（largest open source dataset of physical jobs）。

如開頭所說，這是第一個(gè)完全從真實(shí)工廠中收集的huamn- centric數(shù)據(jù)集，包含10億幀畫面，來自2153個(gè)工人共計(jì)一萬小時(shí)的工作，總視頻片段達(dá)到了19.2萬個(gè)，數(shù)據(jù)集大小達(dá)到了16.4TB。

相比Ego4DEPIC-KITCHENS等以往的huamn-centric數(shù)據(jù)集，Egocentric-10K不僅在數(shù)量規(guī)模上更大，而且在數(shù)據(jù)收集場景中，也由日常家庭、廚房場景擴(kuò)展至了真實(shí)工廠的操作。

這使Egocentric-10K在手部可見性和主動(dòng)操作密度方面達(dá)到了領(lǐng)先水平。

在數(shù)據(jù)收集上，Egocentric-10K的操作視頻數(shù)據(jù)來自全球各地的真實(shí)工廠，由工人佩戴頭戴式攝像設(shè)備在抓取、組裝等操作中自然錄制。

其中，頭戴式攝像頭能夠收集128°×67°、1080p、30fps的視頻數(shù)據(jù)，相比許多舊數(shù)據(jù)集（720p、60~90° FOV）提升明顯。

不過，Egocentric-10K數(shù)據(jù)集中目前僅有RGB視頻信息，暫時(shí)缺乏深度、音頻、觸覺等多模態(tài)信息。

當(dāng)有網(wǎng)友表示能否加入更多模態(tài)的數(shù)據(jù)信息時(shí)，創(chuàng)始人小哥賣了個(gè)關(guān)子，表示：

• 該讓你知道的時(shí)候會(huì)讓你知道的。

當(dāng)然，也并不是那么密不透風(fēng)。

據(jù)Build AI官網(wǎng)的最新介紹，其將在位于深圳的制造工廠計(jì)劃于2026年生產(chǎn)數(shù)百萬副記錄眼鏡，以實(shí)現(xiàn)全球覆蓋，屆時(shí)也許會(huì)覆蓋更多的模態(tài)信息。

此外，也有網(wǎng)友對大規(guī)模數(shù)據(jù)的實(shí)際可用性提出質(zhì)疑，例如工廠場景下的數(shù)據(jù)是否具備足夠多樣性、人類的實(shí)操經(jīng)驗(yàn)又該如何有效遷移至機(jī)器人系統(tǒng)等核心問題。

而這，就引出了human-centric與真機(jī)、遙操等技術(shù)路線的差異。

與前段時(shí)間Generalist AI發(fā)布的史上最大真機(jī)數(shù)據(jù)集不同，此次Egocentric-10K主打human-centric方向，對標(biāo)FigureProject Go-Big項(xiàng)目，核心在于強(qiáng)調(diào)人類數(shù)據(jù)向機(jī)器人的遷移價(jià)值。

在這一賽道上，特斯拉與國內(nèi)的它石智航等玩家也均以human-centric為核心布局，試圖通過大規(guī)模第一視角的人類操作數(shù)據(jù)，讓機(jī)器人學(xué)習(xí)到更靈巧、更符合直覺的manipulation技能。

相比真機(jī)，human-centric的顯著優(yōu)勢在于：真機(jī)數(shù)據(jù)昂貴而稀缺，而人類數(shù)據(jù)在現(xiàn)階段可以以更低成本、更高速度擴(kuò)展規(guī)模。

但代價(jià)也同樣清晰：必須跨越human-to-robot dynamics gap——人手與機(jī)械臂之間在關(guān)節(jié)、動(dòng)力學(xué)、傳感模式上的系統(tǒng)性差異。

最終，哪條路線更能抵達(dá)通用機(jī)器人智能的“臨界點(diǎn)”，仍需要時(shí)間與數(shù)據(jù)規(guī)模去驗(yàn)證。

18歲的創(chuàng)業(yè)老兵

說到Egocentric-10K，就不得不提到它背后的男孩——Eddy Xu

這位小哥今年剛滿18，半年前從哥大主動(dòng)輟學(xué)，放棄了超過2500萬美元的股權(quán)投資，轉(zhuǎn)身all in AI創(chuàng)業(yè)，創(chuàng)辦了Build AI，而Egocentric-10K正是他最新的旗艦項(xiàng)目。

Build AI主打可擴(kuò)展、具有經(jīng)濟(jì)價(jià)值的human- centric數(shù)據(jù)集構(gòu)建，強(qiáng)調(diào)從“量”上突破。

而這，并不是他的第一次嘗試創(chuàng)業(yè)。

大半年前，他設(shè)計(jì)了一副智能眼鏡，可以將現(xiàn)場國際象棋比賽流式傳輸?shù)絀nstagram，使用Stockfish引擎通過計(jì)算機(jī)分析比賽，并通過內(nèi)置揚(yáng)聲器低聲說出最佳棋步。

雖然這副眼鏡因有作弊嫌疑而被批評質(zhì)疑，但也確實(shí)讓小哥火了一把。

而他最出圈的作品，當(dāng)屬AI流量預(yù)測工具CrowdTest

簡單來說，CrowdTest通過套殼大模型，模擬成千上萬名用戶對即將發(fā)布的推文可能產(chǎn)生的反應(yīng)（A/B測試），從而對流量進(jìn)行預(yù)測。

雖然沒有免費(fèi)試用，而且而且訂閱價(jià)高達(dá)1000美元/月，但仍擋不住用戶的熱情，上線5小時(shí)后收入就突破了1萬美金。

有趣的是，Eddy表示，如果使用后24 小時(shí)內(nèi)沒有效果增長，不僅可以退款，還能得到他本人直接售后支持。

這一手營銷，也讓CrowdTest在24小時(shí)內(nèi)的總收入突破了3萬美元。

除上述嘗試以外，還有消息稱，小哥在13歲就在地下車庫開了第一家公司。

• 贏過20萬名參賽者的十項(xiàng)全能商業(yè)世界錦標(biāo)賽冠軍。
• 還曾多次創(chuàng)業(yè)，并曾在三個(gè)月內(nèi)出售了一家擁有17.8萬用戶的教育科技初創(chuàng)公司

只能說，剛滿18歲，就儼然一名創(chuàng)業(yè)老兵。

[1]https://huggingface.co/datasets/builddotai/Egocentric-10K
[2]https://x.com/eddybuild/status/1987951621536641332
[3]https://www.linkedin.com/in/edwardxu1569/
[4]https://build.ai/

— 完 —

量子位 QbitAI · 頭條號簽約

關(guān)注我們，第一時(shí)間獲知前沿科技動(dòng)態(tài)