Lightwheel annonce l’ouverture d’EgoSuite-Open100K avec Hugging Face. Le corpus réunit 100 000 heures de vidéos prises à hauteur humaine, assorties d’annotations sur les mains, le corps et les caméras portées au poignet, afin d’alimenter l’apprentissage de systèmes robotiques.
Le volume revendiqué change l’échelle de la collecte pour la manipulation. Au lieu d’enregistrer uniquement un bras robotique dans un laboratoire, le projet observe des humains en train d’accomplir des tâches dans des environnements réels. Les gestes deviennent ensuite des exemples que les équipes peuvent sélectionner, convertir et rapprocher des données d’un robot.
The largest fully annotated open egocentric human dataset. Today we’re open-sourcing EgoSuite-Open100K with Hugging Face.
— Lightwheel (@LightwheelAI) August 21, 2026
Quinze mille tâches dans quinze mille scènes
Le compte officiel de LeRobot indique que l’ensemble couvre plus de 15 000 tâches et plus de 15 000 scènes. La collecte serait répartie entre sept catégories d’environnement et 128 types de scènes. Outre la vue principale, certaines variantes comprennent la pose des mains et du corps ainsi que des images provenant de caméras aux poignets.
Le choix du format LeRobot est important. Cet écosystème de Hugging Face normalise les vidéos, les états et les actions utilisés pour entraîner des politiques robotiques. Un format commun peut réduire le travail nécessaire pour comparer un jeu de données, lancer un entraînement ou combiner plusieurs sources.
Des gestes humains, pas encore des actions de robot
Une vidéo égocentrique montre ce qu’une personne voit et comment ses mains se déplacent. Elle ne fournit pas automatiquement les angles des moteurs, les efforts aux articulations ni les limites mécaniques d’un manipulateur. Il faut donc reconstruire les mouvements utiles, écarter les séquences ambiguës puis adapter la trajectoire au corps du robot.
Le volume ne remplace pas non plus la qualité des annotations. Les performances dépendront de la précision des poses, de la diversité réelle des tâches et de la licence applicable à chaque composant. Lightwheel affirme que le corpus est ouvert et gratuit, mais l’annonce initiale ne détaille pas, dans son texte public, les modalités d’accès, la taille à télécharger ni les conditions complètes de réutilisation.
Une réserve de données pour la manipulation
EgoSuite-Open100K peut surtout servir de préentraînement. Un modèle apprend d’abord des régularités générales sur la manière dont les mains approchent, saisissent et déplacent des objets, avant d’être ajusté avec des démonstrations enregistrées sur une plateforme robotique précise.
La prochaine preuve attendue sera expérimentale : comparer un même robot entraîné avec et sans ce corpus, sur des tâches et des scènes qu’il n’a jamais vues. Sans ce type d’évaluation, les 100 000 heures constituent une ressource prometteuse, mais pas encore une mesure de progrès autonome.
Sources : annonce officielle de Lightwheel et présentation officielle de LeRobot.
