EgoDex

内容与规模

EgoDex 由 Apple 发布，使用 Vision Pro（visionOS 2，设备端 SLAM）采集，共 829 小时、338,000 个 episode（论文 v1 口径，v2 图注为约 30 万、800 小时）、194 个桌面任务（如系鞋带、叠衣服），1080p 30Hz，逐片段带 3D 手部与手指关节追踪 [1]。

格式与 license

视频加手部位姿。GitHub 仓库说明数据集采用 CC-BY-NC-ND，不可商用。划分约为训练 725 小时、测试 7 小时、附加 97 小时 [2]。

谁在用

EgoScale 在 20,854 小时预训练之外还使用了 EgoDex 的 829 小时；Motus2 在 Table 1 中将其记为 800 小时 [3]，见 EgoScale（2 万小时，对数线性 scaling）。

已知缺陷

场景以桌面为主，设备为头显而非机器人视角；手部位姿由设备估计，仍需重定向到灵巧手。

采用方（补）

被 NVIDIA EgoScale（唯一具名子集 829 小时）[4]、Motus2（13 万小时第一视角构成） 与 PhysBrain [5] 用于预训练。CC-BY-NC-ND 许可与其被用于这些预训练之间可能有许可张力，需对 Apple 仓库原文复核 ⚠️。

来源

1. https://arxiv.org/abs/2505.11709 (2026-10-14)
2. https://github.com/apple/ml-egodex (2026-10-14)
3. https://arxiv.org/html/2608.30237 (2026-10-14)
4. https://arxiv.org/abs/2602.16710 (2026-10-14)
5. https://arxiv.org/abs/2512.16793 (2026-10-14)