北大等开源5万小时第一人称视频配方，训练机器人世界模型
DAGroup-PKU · hf · 2026-11-06
北大、NUS、MIT、NVIDIA 等机构发布 Open-HumanScale，首个完全开源的具身基础模型第一人称视频预训练配方：
- Open-HumanScale-50K：5 万小时精选自我中心视频语料，密集标注手部动作与自然语言，连同数据清洗、预训练管线、模型权重与仿真评测套件全部开源。
- 通过闭环仿真评测，实证发现预训练数据小时数与下游机器人成功率之间呈对数线性缩放律。
- 仅用人类视频预训练的 HumanWAM-Vanilla，机器人后训练后在 RoboTwin 2.0 Clean2Clean 达 92.08%、Clean2Random 达 68.88%。
- 加入人机混合数据预训练的 HumanWAM-Goal（视觉目标条件世界-动作模型）实现广泛零样本泛化，Clean2Random 提升至 84.60%，创 RoboTwin 2.0 新纪录。
- 在真实机器人上，HumanWAM-Goal 展现出涌现式具身上下文学习：无需参数更新即可适应未见过的视觉目标。
「具身」频道最新
- 港科大广州等发布 SLA：持续预训练扩展空间-语言-动作模型 — HKUSTGZ · 2026-11-06
- KAIST DreamFree：蒸馏视频扩散表征，免生成未来帧实现实时机器人控制 — kaist-ai · 2026-11-06
- Wayve 量产在途,详解端到端自动驾驶的「Learned Safety」安全验证路线 — Jamie_Shotton · 2026-11-06
- 博主提议把 agent 接到远程可控蟑螂集群上，赛博昆虫带摄像头 — Sauers_ · 2026-11-06
- 印度 Physical AI 线下会:4 位机器人创始人谈工厂落地与 eval 实践 — carrycooldude · 2026-11-06
- 西北大学团队用普通智能手表读取手势与肌肉信号 — realkaranahuja · 2026-11-06