EgoScale

EgoScale 是 2026 年提出的人类第一视角视频规模化机器人预训练路线。它试图通过统一腕部动作表示、embodiment adapters 和人机对齐中训，把大量人类视频从视觉先验推进到动作相关预训练。

作者提出的机制与结果

官方项目页称数据包含 20,854 小时带动作标签的第一视角人类视频。系统使用共享的腕部层动作表示，并为不同本体配置 adapters，再与机器人数据做 aligned mid-training。作者在五个 22-DoF 灵巧任务上报告相对无预训练基线的平均成功率提升，并展示少样本适配。