HumanWAM 项目对外公布，已经推出全球首个面向具身智能、20 万小时级别的第一人称 Ego 开放数据集，同时顺利跑完 5 万小时规模的 Scaling 对照验证，不光放出清洗标注好的视频素材，配套的数据处理管线、预训练权重、推理代码还有仿真评测套件全部开源，给整个机器人学习行业提供了一套可复现、可照搬的大规模第一视角预训练方案，之前行业里大多只能拿到几万小时以内的开放 Ego 数据，高质量、带手部动作和自然语言标注的十万小时以上数据集一直非常稀缺，这次开放直接拉满了可用的数据上限。之所以这次的 20 万小时级 Ego 全开放和 5 万小时 Scaling 验证被行业看重，是因为具身模型特别依赖第一人称人类操作视频，只有足量的 Ego 数据，模型才能学会怎么看懂、模仿人类日常操作；团队通过对照实验找到了对数线性缩放规律，证明随着 Ego 数据时长增加，机器人下游任务成功率会稳定上涨，不是随便堆视频就有用，必须有统一清洗、标注流程，这个结论解决了很多团队心里的疑问，也给后续更大规模数据集的搭建指明路线。整套成果可以拆成数据集、模型版本、验证指标、开放物料几块分开看。
- 数据集基础信息
- 主开放库：20 万小时级 Ego 第一人称视频，整合多家公开 Ego 数据源，统一做清洗、去重、隐私过滤
- Scaling 验证子集：Open-HumanScale‑50K，一共 5 万小时，全部附带手部运动跟踪标注、自然语言文本标注，专门用来做缩放定律实验
- 场景覆盖：居家操作、桌面抓取、日常物品交互等大量机器人高频任务场景
- HumanWAM 两个模型版本
- 已经开源交付清单
- Open-HumanScale‑50K 标注数据集
- 整套数据筛选、清洗、对齐流水线代码
- HumanWAM 预训练、后训练权重文件
- 推理部署代码
- RoboTwin、RoboDojo 配套仿真评测工具
- Scaling 验证核心结论
| 模型名称 | 训练数据 | 核心特点 |
|---|---|---|
| HumanWAM‑Vanilla | 仅 5 万小时 Ego 视频 | 纯人类视频预训练，RoboTwin 2.0 Clean2Clean 成功率 92.08% |
| HumanWAM‑Goal | 人类视频 + 机器人数据混合 | 视觉目标条件世界动作模型，具备零样本泛化、上下文学习能力，Clean2Random 成功率达到 84.60% |
在闭环仿真评测里面，团队确认存在稳定的缩放法则，预训练 Ego 时长越高，机器人在陌生任务上的成功率越高；用 5 万小时这一档做基准验证之后，再向上扩展到 20 万小时，模型能力依旧沿着这条规律持续提升，没有出现明显收益断崖。
从现在公开资料来看，HumanWAM 这次最重要的贡献不只是放出体量巨大的 Ego 数据，而是证明了高质量第一人称视频具备稳定可预测的缩放效应，任何做具身基础模型的团队，都能拿这套开源物料复现实验，不用从零搭建昂贵的数据采集标注体系；后续研究团队还计划继续扩充数据集规模，并且在真实硬件机器人上开展更多长期测试。
常见问题
问题 1：HumanWAM 这次开放的 Ego 数据规模是多少，配套完成了哪一档 Scaling 验证？
回答 1：HumanWAM 放出全球首个 20 万小时级全开放 Ego 数据集，并且使用 5 万小时标注子集完成整套 Scaling 对照验证，拿到稳定的数据缩放规律。
问题 2：HumanWAM 的 5 万小时 Scaling 验证得到了什么样的关键结论？
回答 2：HumanWAM 通过 5 万小时 Ego 数据对照实验，发现预训练第一人称视频时长和机器人任务成功率之间存在对数线性缩放关系，数据增加，下游任务效果持续提升。
问题 3：HumanWAM 20 万小时级开放 Ego 数据集附带哪些开源资源？
回答 3：除了 20 万小时级 Ego 基础素材，HumanWAM 同步开源 5 万小时标注子集、数据处理管线、模型权重、推理代码以及仿真评测套件。
问题 4：HumanWAM‑Vanilla 和 HumanWAM‑Goal 在使用 Ego 数据训练上有什么区别？
回答 4：HumanWAM‑Vanilla 只用 5 万小时 Ego 视频预训练；HumanWAM‑Goal 采用人类 Ego 视频加上机器人数据混合预训练，泛化和零样本能力更强。
参考资料
[2026-11-04]（Open-HumanScale：面向具身基础模型的人类与机器人经验缩放开放方案）arXiv
[2026-11-04]（HumanWAM 完成 5 万小时 Ego 数据缩放验证，开放大规模第一视角数据集）机器之心
[2026-11-04]（Open-HumanScale 推出 HumanWAM，验证 Egocentric 数据缩放定律）量子位
[2026-08-13]（Dyna Robotics 发布基于百万小时人类第一视角视频的世界动作模型）MarkTechPost
免责声明
本文全部信息来自公开论文与科技媒体报道，HumanWAM 的 20 万小时级 Ego 数据集、5 万小时 Scaling 验证相关性能指标均以论文实验环境为准；不同硬件、训练参数会带来实际效果差异，内容仅作行业资讯转述，不构成项目落地、技术选型的直接指导。