CVPR 2026 收录！枢途科技 RoboWheel 登上国际顶会，打通人类视频到机器人
随着具身智能技术逐步迈向现实应用场景，数据系统的构建能力已成为决定机器人性能上限的重要因素。
近日，枢途科技联合清华大学、香港中文大学等科研机构，发布了题为《RoboWheel: A Data Engine from Real-World Human Demonstrations for Cross-Embodiment Robotic Learning》的最新研究成果。该论文提出了一种全新的端到端数据引擎，使机器人能够直接从真实世界中的人类操作行为中进行学习。目前，该成果已被国际计算机视觉顶级会议 CVPR 2026 正式收录。
入选 CVPR，印证具身智能前沿技术积累
CVPR（IEEE/CVF Conference on Computer Vision and Pattern Recognition）是全球计算机视觉与模式识别领域最具影响力的学术会议之一，长期在谷歌学术出版物指标中位居计算机科学领域的前列。
每年，全球顶尖高校与科技企业都会在该会议上展示其最新的技术突破。由于评审标准极为严格，论文入选率较低。此次 RoboWheel 的入选，标志着枢途科技在“人类操作视频转具身数据”方向上的技术路径获得了国际学术界的认可，也体现了其在具身智能数据基础研究与技术创新方面已达到国际领先水平。
直击行业痛点：让物理合理的 HOI 数据成为可扩展“燃料”
在具身智能技术落地过程中，行业面临的一个核心挑战是机器人数据的获取成本高且存在异构性。由于不同机器人本体、灵巧手、机械臂以及应用场景的差异，企业间的数据难以互通，形成了严重的数据孤岛。
为解决这一问题，RoboWheel 提出将 HOI（Human hand-Object Interaction，人手-物体交互）作为通用中间层。通过接入真实录制视频、在线视频及公开数据集等多种人类操作数据源，RoboWheel 能够生成物理合理、可跨本体迁移的交互数据。该端到端数据引擎为机器人直接从真实世界中学习提供了可能，为具身智能基础模型的训练提供了持续、低成本且可泛化的数据支持。
开源规模化数据集，共建具身繁荣生态
基于 RoboWheel 构建的数据引擎，研究团队同步开源了业界首个从真实场景中提取的具身多模态训练数据集——HORA（Hand-Object to Robot Action）。该数据集凭借其行业价值，已入选 EAI-100 具身智能年度十大数据集，并获得 LeadeRobot2026 年度具身智能数据构建与服务赋能奖。
HORA 数据集包含超过 15 万条高质量操作轨迹，具备毫米级精度，并首次融合了高精度触觉信号。该数据集将自采数据、动作捕捉数据与已有 HOI 数据统一到一套专为机器人学习设计的数据表示框架中。
枢途科技始终坚持“数据基础设施第三方化”的发展路径，目前已全面开源数据集与配套工具链，并与多家头部企业达成深度合作，打通了跨本体机器人训练的数据链路。
未来，枢途科技将持续致力于降低高质量交互数据的获取门槛，推动机器人数据与更广泛的人类交互生态融合，助力具身智能技术的快速落地与普及。