以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Egocentric human video offers a scalable source of manipulation priors for robot learning, yet translating raw data scale into generalizable robot policies demands rigorous data curation and training recipes. We introduce Open-HumanScale, the first fully open recipe for scaling egocentric pretraining to 50,000 hours, a
阅读原文 · Juncheng Ma, Jiaxin Li, Jiankai Tu, Bo Liang, Guodong Lv, Yufan Deng, Junzhe Tang, Liangzhu Yang, Chen Bian, Zicong Cao, Baohao Zhu, Jianxin Bi, Tengfei Yan, Yinyuan Zhang, Kewei Zhang, Xinglong Chen, Kaiqi Chen, Duomin Wang, Xiaotian Tang, Liang Tan, Li Li, Yuan Xu, Haosen Yang, Yuqi Wang, Jingfei Xia, Songyan Huang, Zhiyang Dou, Zhen Dong, Enze Xie, Tat-Seng Chua, Daquan Zhou
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，是它把具身智能里一个大家心知肚明但很少公开讲透的问题摊开了： 人类第一视角视频到底能怎么用，用多少小时才见效，效果怎么随数据量变化。 50,000 小时的第一视角人类视频，配上手部动作标注和自然语言描述，还给了完整的数据处理与预训练流程。这个体量在具身领域算得上公开资源里的重头。 更关键的是，作者没有停在“我们做了个大数据集”，而是用闭...