具身智能如何 scaling？光轮智能谢晨谈数据金字塔

近日，机器人圈知名播客 RoboPapers 更新专访，对象为光轮智能创始人兼 CEO 谢晨，采访人为联合主持人 Michael Cho 和新加坡国立大学助理教授 Jiafei Duan。该节目已成为全球具身行业风向标，嘉宾多为斯坦福、伯克利、英伟达等前沿实验室研究人员，近期围绕世界模型、人类数据、规模化等方向展开对谈。

本次访谈围绕三个议题：仿真头部公司如何成为全球首个具身数据独角兽；光轮智能如何打造数据管线、规模化生成高质量数据；开源 10 万小时高质量数据后如何实现商业价值并保持头部位置。谢晨提出新判断：具身智能的 Scaling Law 需要训练和评测两座金字塔，训练金字塔底座是人类数据，评测金字塔底座是仿真。

一、机器人从人类经验中寻找 Scaling Law

8 月 10 日，Dyna Robotics 发布 DYNA-2，完全用人类第一视角视频预训练，数据量超 100 万小时。Dyna 将预训练数据按 1000、1 万、10 万、100 万小时搭成阶梯，在 14 个任务上用同一后训练配方测量，归一化得分从 20% 升至 53%；开锁任务在 10 万小时以下成功率始终为 0，到 100 万小时升至 90%。

谢晨认为，机器人 Scaling Law 不只发生在训练数据一侧，评测能力也须同步规模化。训练金字塔核心是可规模化的人类数据，解决“从哪里学”；评测金字塔核心是可规模化仿真，解决“如何知道它学会了什么、还缺什么”。

在此背景下，RoboPapers 关注光轮智能——人类数据交付全球第一，且刚开源全球最大规模高质量多模态人类视频数据 EgoSuite-Open100K。在 2026 世界机器人大会上，光轮智能开源该数据集，规模达 10 万小时，覆盖 15,000 多个场景、15,000+ 项任务，头部与腕部双视角，带手部与全身位姿、语义标注和深度信息。首批数据在 Hugging Face 与 AtomGit 开放，项目捐赠给开放原子开源基金会孵化，获 Hugging Face 首席科学官 Thomas Wolf 站台。

二、训练金字塔：人类数据如何支撑规模化学习

Jiafei Duan 提问：一家在仿真取得巨大成功的公司，为何还要做人类第一视角数据？谢晨从供给侧回答：自动驾驶有数百万量产车提供监督信号，机器人尚无此基础设施，全球人形机器人可能只有几万台，且不会一直采集数据。机器人数据的出路是 Robot-Agnostic Data（本体无关数据）。

真机数据质量高、物理真实，负责把模型先验落到具体本体的观察空间、动作空间和动力学约束上，但绑定特定本体、采集成本高，本体与任务变化后难以复用。因此数据金字塔底部是第一视角人类数据，解决规模化问题，提供跨任务、跨环境、跨本体的预训练经验；少量高质量机器人数据解决 Embodiment Grounding；仿真解决 Rollout 与 Verification，扩展长尾状态、支持强化学习并低成本持续评测。

Robot-agnostic 不意味着 robot-free。人类数据、机器人数据和仿真不是替代路线，而是训练与验证闭环中的不同层次。谢晨判断：“人类数据可能是机器人基础模型最具规模化能力的来源。”

三、真正的壁垒是如何生产高质量数据

谢晨透露，开放数据的底气来自光轮智能的数据引擎——把采集、自动标注和质检做成可规模化 pipeline。高质量数据有四个关键维度。

第一是视频质量，是整条产线门槛：有无坏帧、双手是否始终在画面内、动作是否自然。采集端采用实时 agentic 质检流程，片段采完立刻自动质检并反馈给采集者。谢晨认为，让采集者在工作中学习、实时获得反馈并改进，本身就是数据质量体系的重要部分。自动质检后还有两轮人工复核。谢晨表示，Agentic workflow 的 precision 和 recall 已很高但未到 100%，最终质量分数须结合自动与人工质检；人工复核捕捉的失败样本还会反哺自动化流程，形成持续反馈闭环。

第二是手部位姿，决定数据质量的关键，手部标注精度直接决定数据价值。光轮智能设有专门团队，自研完整算法计算位姿。

第三是语义标注，是当下真正瓶颈。内部已迭代七个版本，从事件级做到动作级。难点在时间戳——动作从哪一帧开始、哪一帧结束，VLM 目前给不出足够准的答案。解法是组合拳：用已积累的动作级标注数据微调基础模型，让 VLM 更准，逐步压低人在回路比例。

第四是全身位姿，被归为相对早期部分，因为头部实验室机器人基础模型目前基本都从手开始。

此外，对客户更关键的维度是多样性。谢晨称，真正难的是在保证高质量数据生产的同时，做到任务、场景和采集者多样性。光轮智能将任务场景归为家居、酒店、零售、运动、物流、办公、工业七大类，每类再拆具体任务，并专门做任务 agent 生成、维护任务，与真实场景和采集者匹配。每个场景和任务都限制采集时长，以保证多样性。

四、评测金字塔：数据规模越大，越需要规模化仿真评测

经典仿真的核心难题是，即使仿真引擎完善，也很难回答“究竟应该模拟什么”。光轮智能从真实世界第一视角数据中提取任务与场景分布，再转化为仿真测试环境，使仿真从近乎无限的探索空间获得明确起点，也让规模化场景测试更可行