上证报中国证券网讯（记者 窦世平）8月19日至23日，2026世界机器人大会（WRC 2026）在北京北人亦创国际会展中心举行。大会期间，光轮智能发布全球首个十万小时级全模态人类行为开源数据集EgoSuite-Open100K、RoboFinals中试基地仿真评测基础设施和RoboStack真实场景部署与反馈平台。 三项发布共同指向一套具身智能持续学习系统：人类数据提供学习教材，仿真评测检验能力边界，真实部署收集失败样本与人工接管数据，再将反馈带回下一轮数据补采、模型训练和规模化评测。 光轮智能联合创始人兼总裁杨海波在首发仪式上介绍了EgoSuite-Open100K的数据构成、开放方式和后续生态建设计划。据介绍，EgoSuite-Open100K以10万小时人类行为数据为整体规模，覆盖7大类环境、128类场景、15000+个采集场景和15000+项任务。数据采用头部与腕部双视角，提供手部与全身位姿、语义标注和深度信息，支持模型学习精细操作、全身协调、事件内容及其发生时序。 首批数据将在Hugging Face和AtomGit同步开源，面向学术研究与商业训练使用，相关项目还将捐赠给开放原子开源基金会孵化。项目由数万人的采集团队持续生产，标注算法和质量检测覆盖全链路。光轮智能还将围绕开放数据、数据标准和生态协作，推动更多研究机构、模型团队、机器人企业和场景方参与共建。 杨海波认为，具身智能仍缺少同时具备高质量、多样性、大规模的数据供给。当前行业在采集口径、标注规范、数据格式和时序组织上存在差异，不同设备产生的数据难以组合复用。EgoSuite-Open100K的开放，旨在让更多开发者以统一、可复用的数据基础开展模型研究，降低高质量具身数据的获取门槛。 在开放生态建设方面，光轮智能推出5年100亿具身智能数据共建计划，将从开放数据标准、评测驱动的数据闭环、数据与模型协同设计等三方面开展工作。 首发仪式现场，光轮智能与吉利、五八赶集、新希望、阿尔特、宝通等生态合作伙伴举行签约仪式。合作伙伴覆盖汽车、生活服务、工业、农业及其他产业场景，各方将围绕真实场景部署、数据采集、机器人本体、模型、算力和集成服务等环节开展后续协作。 光轮智能表示，开放数据、统一评测和真实部署反馈需要场景方、模型团队、本体厂商、算力伙伴和集成服务商共同参与。场景方提供真实任务和工程约束，平台连接数据、仿真、评测与部署，现场反馈再推动下一轮数据和模型更新，才能让具身智能从单次演示进入长期运行。

上证报中国证券网讯（记者 窦世平）8月19日至23日，2026世界机器人大会（WRC 2026）在北京北人亦创国际会展中心举行。大会期间，光轮智能发布全球首个十万小时级全模态人类行为开源数据集EgoSuite-Open100K、RoboFinals中试基地仿真评测基础设施和RoboStack真实场景部署与反馈平台。

三项发布共同指向一套具身智能持续学习系统：人类数据提供学习教材，仿真评测检验能力边界，真实部署收集失败样本与人工接管数据，再将反馈带回下一轮数据补采、模型训练和规模化评测。

光轮智能联合创始人兼总裁杨海波在首发仪式上介绍了EgoSuite-Open100K的数据构成、开放方式和后续生态建设计划。据介绍，EgoSuite-Open100K以10万小时人类行为数据为整体规模，覆盖7大类环境、128类场景、15000+个采集场景和15000+项任务。数据采用头部与腕部双视角，提供手部与全身位姿、语义标注和深度信息，支持模型学习精细操作、全身协调、事件内容及其发生时序。

首批数据将在Hugging Face和AtomGit同步开源，面向学术研究与商业训练使用，相关项目还将捐赠给开放原子开源基金会孵化。项目由数万人的采集团队持续生产，标注算法和质量检测覆盖全链路。光轮智能还将围绕开放数据、数据标准和生态协作，推动更多研究机构、模型团队、机器人企业和场景方参与共建。

杨海波认为，具身智能仍缺少同时具备高质量、多样性、大规模的数据供给。当前行业在采集口径、标注规范、数据格式和时序组织上存在差异，不同设备产生的数据难以组合复用。EgoSuite-Open100K的开放，旨在让更多开发者以统一、可复用的数据基础开展模型研究，降低高质量具身数据的获取门槛。

在开放生态建设方面，光轮智能推出5年100亿具身智能数据共建计划，将从开放数据标准、评测驱动的数据闭环、数据与模型协同设计等三方面开展工作。

首发仪式现场，光轮智能与吉利、五八赶集、新希望、阿尔特、宝通等生态合作伙伴举行签约仪式。合作伙伴覆盖汽车、生活服务、工业、农业及其他产业场景，各方将围绕真实场景部署、数据采集、机器人本体、模型、算力和集成服务等环节开展后续协作。

光轮智能表示，开放数据、统一评测和真实部署反馈需要场景方、模型团队、本体厂商、算力伙伴和集成服务商共同参与。场景方提供真实任务和工程约束，平台连接数据、仿真、评测与部署，现场反馈再推动下一轮数据和模型更新，才能让具身智能从单次演示进入长期运行。