企业数据集深读 · 首期探测（设计 + 论文细节）
从企业视角逐家拆解：设计意图 / 数据集构成 / 论文核验 / L0–L4 标注层次 / 佐证价值。 精度规范：✔=已核验(arxiv/网页)；⚠=公开信息但 id/细粒度规格待实测；光轮/它石为2026新发布、无论文、细粒度 README 因网络不可达待实测——不臆造数字。
1 · 光轮智能 · EgoSuite-Open100K（人/EGO 哲学）
- 设计意图：把"具身最贵的训练数据(人类行为)"做成首个 10万h 级开源标品；宣称"仿真合成=Token化数据"、"1h仿真多样性>100万采集场"；5年目标 100亿h。
- 构成：10万小时 全模态人类行为数据（HF/AtomGit 开源，捐开放原子基金会）；附评测标准化 + 触觉基础设施（"双轮策略：数据驱动/标准先行"）；联手58同城生态。
- 论文：⚠ 无（2026 WRC 公告；细粒度模态/传感器配置待实测）。
- L0–L4：规模是量级(10万h)，但标注层次未公开细节(⚠)。它补的是 EGO 数据线"大规模×全模态供给端"那一格(呼应 S4 三件套之"低门槛采集")。
- 佐证：产业证实"EGO 人类数据规模化"有商业买单（佐证2 升级版）；且其"仿真=Token化"主张 vs 真数据,正是 C vs B 哲学之争的样本。
2 · 它石智航(TARS) · WIYH = World In Your Hands（B+触觉 哲学）
- 设计意图："人中心数据引擎"新范式；主打VLTA = 视觉-语言-触觉-动作四模态真实世界数据；自诩"领先特斯拉半年"。
- 构成：全球首个大规模真实世界 VLTA多模态数据集；联想创投被投。
- 论文：⚠ 无（公司公告；规模/采集/标注粒度待实测）。
- L0–L4：⚠ 细粒度待实测；但触觉被设计为一级模态(与视觉/语言/动作并列)——这本身就是设计层信号,印证"物理/接触可信"是行业共识未闭环项。
- 佐证：头部企业把触觉写进数据标准（佐证3）；人中心真实数据 vs 光轮人数据 vs 智元真机,构成 B 哲学内部分岔。
3 · 智元 AgiBot · AgiBot World Colosseo（A+C 哲学）✔ 有论文
- 设计意图：用大规模真实遥操+仿真做可泛化操作平台;设计"标准化采集管线+人机校验"保质量。
- 构成：>100万轨迹 / 217任务 / 5部署场景(数量级超既有数据)；夹爪→灵巧手→视触觉传感器可扩展；附 GO-1(Genie Operator-1) 潜动作策略最大化数据利用；另有 AgiBot Digital World 仿真。
- 论文：✔ arxiv 2503.06669。性能：预训练后比 Open X-Embodiment 平均提升30%(域内&域外)；GO-1 擅长真机灵巧+长程任务。→ 设计结论:潜动作表示(latent action)提高数据利用率 + 真实数据压倒仿真泛化。
- L0–L4：生产级全链路,含真机可行动作(L4).是"真机遥操"支点。
4 · Physical Intelligence · π0 / π0.5（A 哲学）✔ 论文
- π0：✔ arxiv 2410.24164 — 视觉-语言-动作流模型(flow)，面向通用机器人控制；跨本体预训练。
- π0.5：开源权重+openpi + 数据/工具链开源（⚠ id 待核）。
- 设计结论：π系列证明"数据+流模型"跨本体可成通用底座——但数据本身(采集自多家)未完整开放,处于"模型开源/数据半开"。
5 · Google · Open X-Embodiment / RT-X（A+跨本体）✔ 论文
- 构成：多机构多本体异构机器人数据统一格式;RT-X 模型。
- 论文：✔ arxiv 2310.08864。
- 设计结论：是"跨本体/统一动作空间"的原始样板——数据格式统一(Embodiment-agnostic)是跨本体泛化的前提(呼应统一动作空间线)。
6 · NVIDIA · GR00T 系 + Cosmos（C 仿真哲学）⚠ id待核
- 设计：GR00T-N1/N1.5(开源人形基础模型) + GR00T 数据集(GROOT-1M,Isaac/Omniverse/动作仿帧合成演示) + Cosmos 世界模型(Cosmos-Predict/Reason,生成可控世界数据) + GR00T-Dreams(奖励/数据合成) + GR00T-Teleop 遥操作框架。
- 设计结论：NVIDIA 把"仿真合成+世界模型"做成无限数据引擎,走 C 哲学;与真机/人数据形成三哲学对立。
- 论文：⚠ 有技术报告但本会话 id 未核验到,不臆测。
横向对比（L0–L4 + 哲学 + 开放度）
| 数据集 | 哲学 | 规模 | L4可行动作 | 论文 | 开放度 |
|---|---|---|---|---|---|
| EgoSuite-Open100K | B 人/EGO | 10万h(量级第一) | ⚠待观察 | 无 | 全开源 |
| WIYH(VLTA) | B+触觉 | ⚠待实测 | ⚠待观察(含动作) | 无 | 开源 |
| AgiBot World | A真机+C | >100万轨迹/217任务 | ✔(真机) | ✔2503.06669 | 开源 |
| π0/π0.5 | A | 多源 | ✔(跨本体) | ✔2410.24164 | 模型开/数据半开 |
| Open X-Embodiment | A跨本体 | 多机构 | ✔(多本体) | ✔2310.08864 | 开源 |
| GR00T/Cosmos | C仿真 | 百万级合成 | ✔(合成) | ⚠id待核 | 模型/工具开 |
首期探测结论
- 有论文的(AgiBot/π0/OpenX)落在"真实数据"轴,且共识是"真实数据+潜动作表示>仿真"；唯一全线押仿真的是 NVIDIA(仍是最完整的世界模型数据引擎)。
- 两家新玩家(光轮/它石)ALL-IN 人/EGO+触觉,把数据供给从"机器人采集"转向"人类生活/手部行为"——正中 EGO 数据线。
- 缺口:企业级 EGO 数据(光轮/它石)目前无论文、标注层次细粒度未公开——这正是我们"数据×(标注层次)研究"能补的洞;建议下一轮拿到两者 repo/白皮书把 L0–L4 填实。
下一轮待办
- 拿 EgoSuite-Open100K / WIYH 的 HF/AtomGit README 或白皮书,填实模态/标注/采集细节(网络恢复后)。
- 核 GR00T-N1、π0.5、GraspVLA 的精确 id。
- 把 光轮/它石 并入 "EGO 数据集标注层次对照(6集→8集)"。