HumanNet

HumanNet项目专注于构建一个以人类为中心的视频学习库，规模达到一百万小时。该项目的核心功能包括细粒度活动理解、运动感知视频学习以及具身预训练，通过结合第一人称和第三人称视角的视频片段与标注、动作注释及手部和身体信号来实现。这些数据按照多轴分类法组织，并通过一个精心设计的管理流程处理，确保内容的质量与隐私保护。此外，HumanNet还发布了名为StableVLA的模型，这是一种用于强化机器人策略学习的视觉-语言-行动模型。此项目非常适合于需要大规模人类行为分析的应用场景，如机器人技术、虚拟现实等领域的研究与发展。