在工业生产、医疗护理等场景中，机器人需要完成拧瓶盖、折叠衣物等精细操作的需求不断上升。但传统训练方式成本高、效率低。虽然人类日常操作数据非常丰富，却受限于人类与机器人的身体结构差异，难以直接迁移到机器人上，形成“具身差距”这个关键瓶颈。针对这一问题，英伟达提出了系统性方案——EgoScale框架。
灵巧操作的难点不只是“教会机器人一个动作”，更在于让它能在物体和环境不断变化的情况下稳定复用经验。以大规模人类第一视角数据为基础、通过精确对齐跨越具身差异、再用少量示范实现快速适配的路径，为机器人从“依赖工程调参”走向“可规模化学习”提供了更清晰的方向。未来，谁能在数据规模、对齐效率与安全可控之间取得更好的平衡，谁就更可能率先打开灵巧机器人的应用空间。