规模

过去几年，在学术界，第一视角人类视频已经快速扩展到数万小时，越来越多工作也开始看到数据规模增长带来的收益。

团队希望借此回答一个关键问题：如果不再拼接不同来源的数据，而是在同一套传感与采集体系下，把高质量的第一视角视觉—触觉数据真正扩展到数百小时，它是否也会像大规模视频一样，显现出随数据规模增长而来的Scaling收益？