EgoScale（2 万小时，对数线性 scaling）
NVIDIA 的 20,854 小时第一视角预训练与对数线性缩放律
- 数据类型
- 人类第一视角视频；伪动作；手套对齐数据
- 规模口径
- 20,854 小时预训练；对齐中训练约 50 小时人类 + 4 小时机器人；344 个桌面任务
- 链接
- arxiv.org
内容与规模
EgoScale（arXiv 2602.16710，NVIDIA、UC Berkeley、U Maryland）用 20,854 小时带动作标签的第一视角视频预训练流式 VLA，对齐中训练使用约 50 小时人类数据（Vive tracker + Manus 手套）与约 4 小时机器人数据，344 个桌面任务 [1]。
伪动作与 scaling 结论
动作由 SLAM 与手部位姿估计恢复，验证损失与小时数呈对数线性：L = 0.024 − 0.003·ln D，R² = 0.9983；1k 到 20k 小时平均任务完成度由 0.30 升至 0.71（论文口径）[1]。
谁在用
Isaac-GR00T 仓库 README 称 GR00T N1.7 在 20K 小时 EgoScale 人类视频数据加多样机器人示范上预训练 [3]；EgoScale 论文页未单独确认。Motus2 将 EgoScale 记为 6,000 小时双目采购数据，与论文总量不同，原因未查明 [2]。
与同名数据公司的区别
生数 Motus2 采购的 "EgoScale 6,000 小时双目数据"来自数据公司 egoscale.com（见 EgoScale（egoscale.com，数据公司）），该公司官网声明与 NVIDIA 的 EgoScale 研究项目相互独立；本论文 20,854 小时数据的供应商未披露 [1][2]。
来源
相关卡片
卡片整理 2026-10-14。公司自报数据标“公司口径”；⚠️ 为未经独立核实。