EGO 数据线 · EGO 数据集标注层次对照（扩展版）
由三大集扩展到六大集，在 L0–L4 统一量尺上定位，直观看每套的可训练天花板与"大规模×全标注层次"缺口。 数据经 arXiv 摘要核验；EGO-1 / Ego-4D 主论文 id 未能即时核验，如实留待增补，不臆测。
一、标注层次谱系（量尺重申）
- L0 采集元数据（相机/IMU 同步校准）
- L1 文本/语义级（动作语言描述）
- L2 空间结构级（3D 手姿态 MANO/相机轨迹/物体位姿）
- L3 时域事件级（时间定位原子动作/动作分割）
- L4 可行动作级（重定向后机器人可执行动作）
二、L0–L4 覆盖矩阵（核心视图）
| 数据集 | id | L0 | L1 | L2 | L3 | L4 | 可训练天花板 |
|---|---|---|---|---|---|---|---|
| EgoVerse | 2604.07607 | ✔标准 | 见原文 | 见原文 | 见原文(未展开) | 转移研究可支持 | 依赖下游 |
| Open-AoE | 2607.14183 | ✔ | ✔文本 | ✔MANO+轨迹 | ✔原子动作 | ✔retarget工具 | 最高(全层次) |
| Ego-OSCAR | 2608.08285 | ✔校准 | ✔自由文本 | ✔3D手 | ✘ | ✘(原料) | 到 L2+文本 |
| EPIC-KITCHENS | 1804.02748 | ✔ | ✔narration | 部分(bbox非手3D) | ✔39.6K分割 | ✘ | 到 L3(泛任务) |
| EgoInfinity | 2606.17385 | ✔ | 自动(非手标) | ✔4D手物GT | ~ | ✔retarget | 引擎→L4 |
| HRDexDB | 2604.14944 | ✔多相机 | ✘ | ✔高精度3D | ✘ | 配对真值 | 监督基准(小) |
读表结论：没有任何一套 ego 数据集同时给出"大规模 × 全层次(L0–L4)"。L4(可行动作)只由引擎(EgoInfinity/Open-AoE retarget) 或配对基准(HRDexDB 小规模) 提供；L1–L3 的大规模覆盖是碎片化的。
三、六数据集五维对照（分组）
A 组 · 机器人导向 EGO 集（供 EGO 数据线直接训练/对齐）
| 维度 | EgoVerse | Open-AoE | Ego-OSCAR | EgoInfinity | HRDexDB |
|---|---|---|---|---|---|
| 规模 | 1,362h/80k回合/1965任务/2087人 | ~2,000h/500+人/400+手机 | 550h·双目/分布式 | Web 视频(引擎,按需生成) | 100物体/2.1K试次 |
| 采集 | 平台协作 | 手机众包 | 200$开源头戴 | 网络 RGB 自动 | 专用多相机 |
| 标注方式 | 标准化 | 全管道(分割/手重建/轨迹) | 自由文本+3D手 | 自动无人工 | 高精度3D真值+触觉力 |
| 是否机器人导向 | 是(有跨本体转移研究) | 是 | 是(作原料) | 是(反复一体) | 是(配对基准) |
| 成本特征 | 组织成本高 | 采集中低 | 单机<200$ | 无采集(计算制) | 专业采集高 |
B 组 · 泛型大规模 EGO 基准（作 L3 先验/预训练）
| 维度 | EPIC-KITCHENS |
|---|---|
| 规模 | 55h / 11.5M 帧 / 32人 / 39.6K 动作段 / 454.3K 物体框 |
| 采集 | 32 参与者在自家厨房(4城市/10国籍), 低成本自然采集 |
| 标注 | 参与者自述narration(L1) + 密集动作段verb-noun标注(L3) + 物体框 |
| 机器人导向 | 否(通用 ego 动作/物体理解) → 可做 VLA/WM 的 L3 先验/预训练 |
四、科学家判断
S1 · "泛型大规模 L3"和"机器人导向 L4"是同一块缺口的左右两边。 EPIC-KITCHENS 给了大规模 L3(39.6K动作段)但非机器人导向、无 L4；机器人导向集(EgoVerse/Open-AoE)要么规模不够、要么 L4 靠引擎。缺一个"大规模(≥1000h) × 机器人导向 × 到 L4(可行动作)"的 ego 集。
S2 · EgoInfinity 指出了补缺口的引擎式路线，但它产的是"重建产物"而非"原始采集"。 它把任何互联网 ego 视频自动升到 4D 手物 GT + retarget 动作(L2+L4)，无需人工。这绕过了"采集+标注"双昂贵，但把精度赌在重建/重定向组件上——"引擎制"是通往 L4 规模化的可行路，代价是物理可信度(接触/力)仍弱（呼应蓝本 L5）。
S3 · HRDexDB 证明"配对+高精度+触觉"是监督质量的黄金标准，但注定小规模。 100 物体/2.1K 试次的多相机高精度真值+接触力，是"用人体数据教机器人"的质量上限参照；但它贵、不可放量。它和 EgoInfinity(引擎大规模但重建噪声)构成质量-规模的最优权衡两端。
S4 · 给"EGO 数据线"的供给端破局定式： 要同时拿到"大规模 + 到L4"，现实组合是 低门槛采集(手机/200$设备/平台) + 自动标注引擎(EgoInfinity式: 从显式几何/接触/重定位) + 配对基准(HRDexDB式: 作监督质量校准)——三件套合流,才能把一个 ego 集推到"可直接训动作"。
五、一句话口径（更新版）
六大 ego 集在 L0–L4 量尺上是碎片化覆盖——L4(可行动作)只由引擎(Open-AoE/EgoInfinity)或配对小基准(HRDexDB)提供，"大规模×到L4"尚无一套满足;破局需"低门槛采集+自动标注引擎+配对校准"三件套合流。