日前，啟明創(chuàng)投投資企業(yè)它石智航重磅發(fā)布全球首個大規(guī)模真實世界具身VLTA（Vision-Language-Tactile-Action）多模態(tài)數據集World In Your Hands（下稱“它石WIYH數據集”），并計劃于2025年12月面向行業(yè)共享開放。這項成果標志著它石智航在行業(yè)首創(chuàng)的以人為中心的（Human-Centric）具身數據引擎新范式正式確立，這一技術路線比特斯拉Optimus還要領先大約六個月。
長期以來，主流大模型預訓練依賴的互聯網數據和仿真數據存在以下兩點不足：互聯網數據質量參差不齊、缺少動作信息；仿真數據真實性有限，場景泛化難，訓練后的模型難以絲滑遷移到現實世界。而對人形機器人來說，通向“具身智能”的最大難關，并不是算法本身，而是如何獲得規(guī)模化、真實、可泛化的數據。高質量訓練數據的缺失，成為行業(yè)公認的難題。
它石智航首席科學家丁文超博士表示：“它石WIYH數據集的發(fā)布，標志著行業(yè)首次將視覺、語言、觸覺與動作多模態(tài)數據在真實世界大規(guī)?？缧袠I(yè)、跨任務采集，并為未來實現具身基座模型的規(guī)模定律（Scaling Law）奠定了基礎?！?/span>
在此次它石智航發(fā)布的Human-Centric（以人為中心）第一視角數采視頻中可以看到，區(qū)別于以往實驗室和數采工廠中靜態(tài)、單調的采集環(huán)境，它石WIYH數據集依托多個行業(yè)真實的工作場景和工作人員，采集覆蓋酒店洗衣、超市裝配、物流作業(yè)等多種具身場景的人類標準操作流程數據?？梢哉f，它石WIYH數據集的數據不僅解決了“數據量少、質量低、成本高”的問題，更讓數據“來自真實世界”。
它石WIYH數據集具備以下四點特征：
真實：采集源于真實具身任務，貼合模型實際應用場景；
豐富：橫跨多個行業(yè)與操作技能，讓模型具備遷移與泛化能力，打破數據復用壁壘；
全面：囊括視覺、語言、觸覺、動作多模態(tài)全真值，方便預訓練模態(tài)對齊；
海量：量級上限堪比大語言模型，保證具身智能的未來想象力。
基于這四點核心特征，它石WIYH數據集形成了以下三項獨特優(yōu)勢：
首先，在模態(tài)完整性上，通過自研的采集套件，同步獲取視覺（RGB）、力觸覺（壓力傳感器信號）和動作（手指關節(jié)位姿與末端軌跡）數據，確保多源數據在時間和空間上的精準對齊；
其次，在數據標注鏈路上，它石WIYH數據集依托自有的云端基礎大模型完成高精度標注，覆蓋2D語義、場景深度、操作任務分解、交互物體的可供性（Affordance）、手部與末端動作軌跡等多粒度真值標簽，為具身基座模型的預訓練提供全面多維的監(jiān)督信號；
最后，在采集環(huán)境上，它石智航深入真實生活操作場景，對比業(yè)內通常高成本自建數采、數訓工廠，在非搭建、非專有、非封閉的環(huán)境中采集工作人員的標準操作流程數據，顯著提升數據的真實性、多樣性和泛化能力，同時降低數采成本一個數量級以上。
它石WIYH數據集的提出，標志著以人為中心的具身數據新范式的確立。它讓面向真實世界的具身AI World Engine預訓練成為可能。立足“千行百業(yè)”，它石WIYH數據集有望實現“一模千任”，成為通用具身基座模型訓練的關鍵語料和基礎設施，推動行業(yè)應用從單一任務逐步邁向具備通用操作能力的新階段，為具身機器人真正走進千企萬家打下堅實基礎。
