2026年3月22日,在南京举行的“智汇金陵 AI 开源人才峰会暨魔搭社区开发者大会”上,EAI-100(Embodied Artificial Intelligence 100)具身智能年度百项代表性成果与人物榜单正式发布。
枢途科技自主研发的 HORA 多模态具身智能数据集凭借其在解决行业“数据荒”及数据基础设施建设方面的卓越贡献,成功入选“具身智能十大数据集”。
权威榜单认可,聚焦具身智能长期价值
EAI-100 是具身智能领域具有极强行业公信力的年度榜单,覆盖技术、开源、数据与应用等多个维度 。评选标准严格遵循“真实影响”与“长期价值”,重点考察相关工作是否在研究范式和产业实践层面带来实质性推动 。HORA 的入选,标志着枢途科技作为数据基础设施提供方,其技术实力得到了学术界与产业界的共同认可 。
打破“数据荒”:首个基于真实场景人类视频提取的数据集
针对机器人训练数据稀缺、采集成本高及难以规模化等痛点,枢途科技通过自研 SynaData 视频具身数据管线,打造了业界首个基于真实场景人类视频提取的具身智能多模态训练数据集——HORA。
规模领先:目前已形成超过 15 万条高质量操作轨迹,为机器人技能学习提供了坚实的数据基础 。
毫米级精度:HORA 将传统方法约 ±5 厘米的轨迹重建误差大幅压缩至 ±0.5 厘米,实现毫米级精度,确保了训练数据的可靠性 。
多模态融合:该数据集融合了 RGB(D)、高精度触觉信号、多视角动捕数据,补齐了机器人执行层所需的关键模态 。
跨本体泛化:基于 HOI(Hand-Object Interaction)统一格式与手物联合重建技术,支持向不同机器人平台迁移,真正实现“一次采集,多方使用” 。
适配主流模型,构建普惠开源生态
目前,HORA 已成功适配包括 清华 RDT、π0、Act 在内的多种主流具身模型算法 。在产业应用端,枢途科技已与傅利叶等头部具身智能企业实现生态协同,其成果已在康养陪伴及工业协作机器人领域得到验证 。
枢途科技始终坚持“数据基础设施第三方化”路线,将HORA数据集及配套工具向行业开源开放。此举旨在持续降低高校、科研团队与初创企业的研发门槛,推动具身智能行业向更高效、更普惠的方向发展 。
据悉,未来枢途科技将继续围绕多模态数据、机器人技能学习与基础设施建设持续创新,推动高质量数据与真实场景应用的深度结合 。
（本文来源：日照新闻网。本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。对文章事实有疑问，请与有关方核实或与本网联系。文章观点非本网观点，仅供读者参考。）
2026年3月22日,在南京举行的“智汇金陵 AI 开源人才峰会暨魔搭社区开发者大会”上,EAI-100(Embodied Artificial Intelligence 100)具身智能年度百项代表性成果与人物榜单正式发布。
枢途科技自主研发的 HORA 多模态具身智能数据集凭借其在解决行业“数据荒”及数据基础设施建设方面的卓越贡献,成功入选“具身智能十大数据集”。
权威榜单认可,聚焦具身智能长期价值
EAI-100 是具身智能领域具有极强行业公信力的年度榜单,覆盖技术、开源、数据与应用等多个维度 。评选标准严格遵循“真实影响”与“长期价值”,重点考察相关工作是否在研究范式和产业实践层面带来实质性推动 。HORA 的入选,标志着枢途科技作为数据基础设施提供方,其技术实力得到了学术界与产业界的共同认可 。
打破“数据荒”:首个基于真实场景人类视频提取的数据集
针对机器人训练数据稀缺、采集成本高及难以规模化等痛点,枢途科技通过自研 SynaData 视频具身数据管线,打造了业界首个基于真实场景人类视频提取的具身智能多模态训练数据集——HORA。
规模领先:目前已形成超过 15 万条高质量操作轨迹,为机器人技能学习提供了坚实的数据基础 。
毫米级精度:HORA 将传统方法约 ±5 厘米的轨迹重建误差大幅压缩至 ±0.5 厘米,实现毫米级精度,确保了训练数据的可靠性 。
多模态融合:该数据集融合了 RGB(D)、高精度触觉信号、多视角动捕数据,补齐了机器人执行层所需的关键模态 。
跨本体泛化:基于 HOI(Hand-Object Interaction)统一格式与手物联合重建技术,支持向不同机器人平台迁移,真正实现“一次采集,多方使用” 。
适配主流模型,构建普惠开源生态
目前,HORA 已成功适配包括 清华 RDT、π0、Act 在内的多种主流具身模型算法 。在产业应用端,枢途科技已与傅利叶等头部具身智能企业实现生态协同,其成果已在康养陪伴及工业协作机器人领域得到验证 。
枢途科技始终坚持“数据基础设施第三方化”路线,将HORA数据集及配套工具向行业开源开放。此举旨在持续降低高校、科研团队与初创企业的研发门槛,推动具身智能行业向更高效、更普惠的方向发展 。
据悉,未来枢途科技将继续围绕多模态数据、机器人技能学习与基础设施建设持续创新,推动高质量数据与真实场景应用的深度结合 。
（本文来源：日照新闻网。本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。对文章事实有疑问，请与有关方核实或与本网联系。文章观点非本网观点，仅供读者参考。）
