来源：极市平台 · 2026-09-18 · 原文链接
分类：主线强相关（数据供给侧：Ego × Whole-body 首次破千小时，且提出「从 Capture Session 到 Life Capture」的生产方式转变——与朱兴看好便携触觉手套是同一个命题；但注意它依然没有任何接触力学信息）
一句话概括
厦大 HumanPlus 联合 CMU、清华、浙大发布 HumanPlus-1000：超过 1000 小时连续的真实世界人类行为数据，100+ 参与者、100+ 场景、500+ 类任务，是 Meta Nymeria（约 300 小时 / 264 人 / 50 地点 / 20 类活动）的 3 倍以上，第一次把 Ego Vision × Whole-body Motion 配对做到千小时级。⭐ 但比 1000 小时更值得记的是它要解决的东西：三个"能不能"——设备能不能穿得久（长时间 IMU 漂移）、穿得自然（宽松服装里的传感器滑移）、穿得简单（全身只 10 个 IMU，靠模型从稀疏观测恢复未测量的身体状态）。传统动捕让衣服适应传感器，HumanPlus 想让算法适应真实的衣服；过去是把人带进数采工厂，它想把数采带进人的生活（Capture Session → Life Capture）。
核心要点
金句
「能够规模化采集的数据不够完整，能够完整记录人体的数据又很难规模化。」
「过去，是把人带进数采工厂；HumanPlus，想把数采带进人的生活。」
「传统动捕让衣服适应传感器，HumanPlus 想让算法适应真实的衣服。」
「设备能不能穿得久，能不能穿得自然，能不能穿得简单。」
「从一次次被专门组织出来的 Capture Session，逐渐变成融入真实工作和生活的 Life Capture。」
「比 1000 小时更重要的，是想验证一种新的数据生产方式。」
质疑与核查
⚠️ 标题「超越 Meta」有歧义，别照抄：它超越的是 Nymeria（Ego × Motion 配对，约 300 小时），不是所有 Ego 视频数据集。已核：Ego4D 早在 2022 年就有 3,670 小时；NVIDIA EgoScale（2026-02）用了 20,854 小时带动作标注的第一视角视频；EgoVerse（2026-04）1,362 小时。准确的说法是"最大的 Ego Vision × Whole-body Motion 配对数据集"，不含纯视频流派。
这是团队的发布稿，所有数字自报，且没有论文链接——我找不到支撑 1000 小时 / 100+ 人 / 500+ 任务这些指标的同行评议文献。Method怎么办解决的也没给技术与量化。在拿到论文或技术报告前，这些只能当宣称。
⚠️ 原文自己用了方括号标注三处：【手部姿态】、【第三视角视频】、场景列表（【制造、办公、家庭…以最终统计为准】）。方括号说明这些项目的开放范围或最终统计还没确定——引用时不能当成"全部 1000 小时都带手部姿态"。这是稿子里诚实的地方，但也意味着实际可用数据可能少于清单。
License 是 CC BY-NC 4.0（非商业）——学术研究可用，商业用途不行。如果你的合作方有商业诉求，这条要提前说。
“解决了 IMU 漂移"没有给量化：几十分钟序列上的漂移到底压到多少？与 Xsens / Noitom 在同一序列上的对照误差是多少？一句"解决了"不能替代位置/角度误差曲线。
同样，“10 个 IMU 精准恢复完整人体"没有对照：与 Xsens 17 传感器方案比、与光学动捕真值比，关节位置误差（mm）/ 角度误差（deg）是多少？ 在宽松衣服条件下又掉多少？这是全文最关键的一个数字，缺失。
“Life Capture”目前更多是愿景：稿子里描述的数据覆盖（100+ 场景、500+ 任务）看起来仍带有组织采集的特征，**数据“在真实工作和生活中自然产生”到什么程度，并没有说明参与者如何招募、任务从何而来。**如果这 100+ 场景基本是安排出来的，那它与 Nymeria 被批评的“组织采集”差别就小了——而这一点恰恰是全文宣称的核心创新。
数据里没有语言/文本层（对照 Nymeria 的 310.5K 句）。这意味着用它做 VLA 训练时还得另配标注。
⚠️ 与触觉的关系要克制：我说“这条规模化的管线里没有接触力学”是对的，但不要把它读成"HumanPlus 应该加触觉”——它的目标是解决 WBI 的运动先验问题，跟接触感知是两个不同的口子。类比归类比。
CMU / 清华 / 浙大 的合作形式没说（是教授团队、学生还是公司），发布方也写得比较模糊，这在判断背书强度时有用。
本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文