Humanoid-X 数据集

Humanoid-X (Learning from Massive Human Videos for Universal Humanoid Pose Control, UH-1)进阶

从海量网络人类视频提取、配文字描述的人形机器人动作数据集。

Humanoid-X 是南加州大学、加州大学伯克利分校和丰田研究院在论文 Learning from Massive Human Videos for Universal Humanoid Pose Control 中构建的数据集，2024 年 12 月公开，论文为 Humanoids 2025 口头报告。流程是：从互联网挖掘人类动作视频，自动生成文字描述，估计视频里人的 3D 姿态，再重定向成人形机器人的关节目标，并训练控制策略把它变成机器人能实际执行的动作。最终得到 16.38 万组样本、超过 2000 万个人形机器人姿态，每组都有视频、文本、人体姿态、机器人关键点和动作。基于它训练的 UH-1 模型输入一句文字指令，输出人形机器人的动作。它的意义在于绕开昂贵的遥操作和动捕，直接用网上现成的人类视频扩充人形动作数据。