长文解读NVIDIA 本周新论文 EgoScale：用 2

英伟达团队最新发布的 EgoScale 论文揭示了具身智能中灵巧操作的关键规律，指出数据规模远比质量重要，且预训练与后训练的对齐是成功核心，为提升机器人灵巧手表现提供了新思路。

智能速览

• 英伟达利用大规模第一视角视频预训练灵巧手模型

• 提出数据规模对下游任务表现有显著影响的“可预测的规模定律”

• 预训练数据质量不如数据规模关键

• 预训练与后训练任务对齐是模型成功的决定性因素

精华内容

深入探究英伟达具身智能研究，解析灵巧手模型背后的训练逻辑与规模定律。

第一视角预训练

英伟达团队采用大规模人类第一视角视频，结合手腕及手部的动作数据，对灵巧手模型进行了预训练。这种方法直接从人类真实操作中学习，旨在让模型掌握更自然、更复杂的灵巧操作技能，为后续的具身智能应用打下坚实基础。

规模定律确立

实验结果表明，数据规模对模型在下游任务中的表现具有显著影响。基于此，研究提出了“可预测的规模定律”，指出随着训练数据规模的扩大，模型性能的提升呈现出可预测的趋势。这为评估模型潜力和规划数据收集提供了量化依据。

规模胜于质量

在预训练阶段，研究得出了一个令人深思的结论：数据的质量并不是最重要的因素，关键在于数据的规模。只要数据量足够庞大，即便数据本身存在噪声或质量参差不齐，依然能够支撑模型学习到有效的特征，显著提升其泛化能力。

任务对齐关键

除了数据规模，预训练与后训练任务的对齐被证实是成功的另一关键要素。只有当预训练阶段学到的知识与下游任务的目标高度一致时，模型才能实现最佳的性能迁移。这种对齐机制确保了大规模预训练的有效性能够真正落地应用。

英伟达的研究通过 EgoScale 清晰地展示了“大力出奇迹”在具身智能领域的有效性，强调了数据规模与任务对齐的核心价值。这一发现或将成为未来提升机器人操作能力的重要指引。