Kami melatih humanoid dengan tangan cekatan 22-DoF untuk merakit mobil model, mengoperasikan jarum suntik, menyortir kartu poker, melipat/menggulung kemeja, semuanya belajar terutama dari 20.000+ jam video manusia egosentris tanpa robot dalam lingkaran. Manusia adalah perwujudan yang paling terukur di planet ini. Kami menemukan hukum penskalaan log-linear yang hampir sempurna (R² = 0,998) antara volume video manusia dan kehilangan prediksi tindakan, dan kerugian ini secara langsung memprediksi tingkat keberhasilan robot nyata. Robot humanoid akan menjadi permainan akhir, karena mereka adalah faktor bentuk praktis dengan celah perwujudan minimal dari manusia. Sebut saja Pelajaran Pahit dari perangkat keras robot: kesamaan kinematik memungkinkan kita dengan mudah menargetkan ulang gerakan jari manusia ke sendi tangan robot yang cekatan. Tidak ada penyematan yang dipelajari, tidak diperlukan algoritma transfer mewah. Gerakan pergelangan tangan relatif + tindakan jari 22-DoF yang ditargetkan ulang berfungsi sebagai ruang aksi terpadu yang berlangsung dari pra-pelatihan hingga eksekusi robot. Resep kami disebut "EgoScale": - Pra-latih GR00T N1.5 pada 20K jam video manusia, di tengah latihan dengan hanya 4 jam (!) data pemutaran robot dengan tangan Sharta. Keuntungan 54% dibandingkan pelatihan dari awal di 5 tugas yang sangat cekatan. - Hasil yang paling mengejutkan: demo teleop *tunggal* sudah cukup untuk mempelajari tugas yang belum pernah dilihat sebelumnya. Resep kami memungkinkan efisiensi data yang ekstrem. - Meskipun kami melakukan pra-pelatihan di ruang sambungan tangan 22-DoF, kebijakan ini ditransfer ke Unitree G1 dengan tangan tiga jari 7-DoF. 30%+ keuntungan dibandingkan pelatihan pada data G1 saja. Jalan yang dapat diskalakan menuju ketangkasan robot tidak pernah lebih robot. Itu selalu kami. Penyelaman mendalam dalam benang: