数据集路线研究 · 主线图谱与研究计划

定位：在研究纲领(四类数据四层栈)之上，把"造/配/混数据"拆成若干条可执行的研究路线，每条带研究问题、已证证据、判据实验、优先级——然后一条一条走。数据来自：研究纲领 + 证据清单 + EGO 数据线(6集+产业勘查+企业深读)。核验级别沿用(✔/⚠)。

一、路线图谱（研究主干）

工业界 + 学术界的数据供给可归为 4 条主路线 + 2 条胶水/横切路线：

路线	一句话	哲学	代表(已核验)
R1 · EGO/人数据	用人类第一视角行为做海量供给	B	EgoSuite-Open100K、WIYH、EgoVerse、Open-AoE、Ego-OSCAR、EgoInfinity
R2 · UMI/通用接口	低成本设备采"灵巧+跨本体"	UMI	KoalaGripper、YUBI、OnePolicy-ManyEmbodiments、HRDexDB
R3 · 仿真/合成	用引擎/世界模型无限生成	C	NVIDIA GR00T/Cosmos、AgiBot Digital World、EgoInfinity(引擎面)
R4 · 真机遥操	目标本体金标准；精密分支见哲学D	A (+D精密力)	AgiBot World(2503.06669)、π0(2410.24164)、OpenX(2310.08864)、ManuFacet-1K(~1000h力同步)、GraspVLA
R5 · 统一动作空间(胶水)	把四路混进同一种可训表示	跨路	π/π0.5、OnePolicy-ManyEmbodiments、UCAG-P、OpenX 格式
R6 · 物理/接触/触觉(横切)	把"物理可信"塞回数据；工业闭环标杆=ManuFacet	横切	WIYH(VLTA)、HRDexDB、CHORD、MimicTouch、GelSight、ManuFacet F/T+接触相

主线关系：R1–R4 是四类数据造的路线；R5 是把它们混/配的胶水；R6 是贯穿各路的质量横切。一次训练=四层栈(纲领)。

主张：EGO 是唯一能"不用机器人就海量采"的源；规模化供给的关键是人数据 → 可训动作的桥。
已证：EgoVerse(1362h)、Open100K(10万h,产业背书)、EgoScale(20,854h,log-linear scaling law)、EgoEngine(ego→高保真机器人视频)。
缺口：企业级 EGO 数据(光轮/它石)标注层次细粒度未公开(L0–L4 空洞)；"大规模×到L4可行动作"仍无一套满足。
判据实验：拿 EgoSuite/WIYH 与 EgoInfinity/Open-AoE 工具链做端到端，测"人数据→(retarget/潜动作)→目标本体"的迁移收益；以及"标注层次越高,越少数据可达同等性能"(L1..L4 消融)。
优先：P0（新产业数据+主线核心+缺口实证可补）。

主张：无限生成、全标注、可补失败/边界；短板是 sim2real+行为真实性。
已证：NVIDIA GR00T/Cosmos(合成引擎,W态)、AgiBot World 显示真实数据>仿真泛化、BehaviorWorldGen(行为真实性坑)。
缺口：世界模型产出"可执行、可训"数据的闭环仍缺量化判据。
判据实验：同任务用"仅仿真 vs 仿真+real2sim校准 vs 混真机"三组训练,测真实部署成功率与 sim2real 偏移。
优先：P1。

P0 · R1 EGO/人数据路线：最贴近主线、有新产业数据(光轮/它石)可实证、缺口可补。
首步动作：把 EgoSuite-Open100K / WIYH 并入 EGO 数据集对照(6→8集)，并把两者标注层次 L0–L4 填实(取 README/白皮书)。
P0 · R5 统一动作空间：与 R1 联动(把 EGO 混成可训语料的胶水)；启动 A4 裁决实验设计。
P1 · R3 仿真 + R6 触觉：两条都已有产业样本,做定量判据。
P1 · R2 UMI、P2 · R4 真机。

数据集路线研究 = 把"数据怎么造(R1–R4)、怎么混(R5)、怎么保物理可信(R6)"六条路各配研究问题+判据实验,并按"离主线近+有产业实证+可补缺口"排序,一条一条走;当前先走 R1 EGO/人数据路线。