NVIDIA Human-1M-100K
손 작업을 일인칭으로 찍은 100,000시간 영상, 손 자세와 시간별 작업 라벨 포함
라이선스
CC BY 4.0
데이터: CC BY 4.0, 데이터셋 카드의 Governing Terms와 Hugging Face 라이선스 태그 기준이며, 카드는 상업적·비상업적 사용이 가능하다고 밝힘. 저작자 표시: 재사용 시 NVIDIA를 표시하고 라이선스를 링크해야 함. 영상 속 사람들: CC BY 4.0은 사생활권이나 초상권을 허락하지 않으며, 카드에도 동의에 관한 설명이 없음. 하드웨어 프로토타입: 별도 저장소로, 소프트웨어는 Apache-2.0, 하드웨어 설계는 CC BY 4.0. 모델: GR00T 2는 공개되지 않아 조건을 알 수 없음. 2026-11-10에 데이터셋 저장소의 README.md와 DATASET_CARD.md, 하드웨어 저장소의 LICENSE 파일로 확인함.
개요
Human-1M-100K는 Human-1M 중 공개된 부분입니다. 이는 사람들이 몸을 쓰는 일을 하는 모습을 일인칭으로 찍은 약 백만 시간 분량의 NVIDIA 컬렉션으로, 센서로 함께 기록해 영상에 머리와 손의 움직임과 언어가 붙어 있습니다. 공개 하위 집합은 100,000시간, 3,405,573개 에피소드로, 기록된 작업 클러스터 406,815개, 수집자 41,288명, 장면 81,557개, 환경 범주 아홉 가지를 담고 있으며, 실제 집과 일터, 그리고 스튜디오에서 촬영했습니다. 각 에피소드에는 머리 카메라 영상(모노 또는 스테레오, 일부는 손목 카메라 포함), 머리 카메라 자세, 신뢰도가 붙은 손당 21개 키포인트, 한두 문장의 목표(T1), 그리고 1~10초 길이의 시간별 동작 목록(T2)이 들어 있습니다. 데이터는 LeRobot v3.0 형식이며, 상업적·비상업적 용도로 쓸 수 있는 CC BY 4.0 라이선스로 2026년 11월 4일 Hugging Face에 공개되었습니다. NVIDIA는 Human-1M이 자사 Cosmos와 GR00T 모델의 학습 데이터라고 밝히며, GR00T 2 연구 페이지에서도 이 모델의 사람 영상 출처로 이 데이터를 들고 있습니다.
Human-1M은 센서로 기록한 사람 시연을 모은 NVIDIA의 컬렉션입니다. 음식 준비와 진열대 채우기부터 주문 포장, 부품 조립, 장비 수리까지, 손으로 일하는 사람들을 일인칭으로 찍은 약 백만 시간 분량의 영상입니다. 2026년 11월 4일 NVIDIA는 그중 100,000시간을 Human-1M-100K라는 이름으로 CC BY 4.0 라이선스로 Hugging Face에 공개했습니다. 공개분에는 에피소드 3,405,573개, 기록된 작업 클러스터 406,815개, 수집자 41,288명, 장면 81,557개, 환경 범주 아홉 가지가 있습니다. 일부는 실제 집과 일터 같은 현장에서, 일부는 특정 기술과 조립, 실험실 절차를 반복할 수 있는 스튜디오에서 기록했습니다.
에피소드 하나는 한 사람이 측정 가능한 목표를 향해 쓸모 있는 일 하나를 하는 것으로, 보통 5~10분 정도 걸리는 작업입니다. 영상은 실제 속도로 최소 30 FPS, 480p여야 하며, 에피소드의 95% 이상 동안 한 손 또는 두 손이 화면에 보여야 합니다. 머리 카메라는 모노 또는 스테레오이며, 일부 에피소드는 양쪽 손목에 카메라를 하나씩 더합니다. 모든 프레임에는 머리 카메라의 6-DoF 자세, 미터 단위 위치와 회전으로 나타낸 손당 21개 키포인트, 손마다의 존재 마스크와 신뢰도가 들어 있습니다. 언어는 두 단계입니다. T1은 목표와 주요 동작, 핵심 물체를 한두 문장으로 요약하고, T2는 에피소드 전체를 1~10초의 연속 구간으로 나눠 각 구간마다 어느 손이 어떤 물체에 무엇을 하는지 적습니다. 에피소드에는 카메라 보정, 국가 코드, 장소가 공공 장소인지 사적 장소인지, 가명 처리된 수집자·장면·출처 식별자도 기록됩니다.
NVIDIA는 사람의 검토와 자동 점검을 결합한 네 가지 품질 관문을 설명하며, 이는 주석, 작업의 유용성, 다양성, 3D 추적을 다룹니다. 자체 감사 그래프는 25주의 납품 기간을 다루며, 승인된 시간은 561,000시간, 반려된 제출분은 461,000시간입니다.
데이터는 LeRobot v3.0 데이터셋으로 저장되며, 공급업체·배치·버전별로 정리되어 프레임, 에피소드, 작업, 하위 작업, 환경, 장면을 담은 Parquet 테이블과 카메라마다 하나의 MP4 파일로 구성됩니다. 필드 참조 문서가 모든 열을 설명합니다. 전체 데이터는 Hugging Face의 공개 스토리지 버킷에 있으며, 2026년 11월 10일 기준 1,321 TB, 2,561,357개 파일로 표시되어 대부분의 사용자는 일부만 내려받게 됩니다. 내려받기 전에 살펴보려면 데이터셋 저장소의 짧은 미리보기 클립과 세 개의 전체 샘플 에피소드를 쓸 수 있고, Human-1M Dataset Explorer에서는 브라우저로 영상, 3D 재구성, 로봇 리타기팅, T2 라벨을 보고 작업 클러스터를 검색할 수 있습니다.
NVIDIA의 GR00T 2 연구 페이지에 따르면 이 모델은 Human-1M의 일인칭 사람 영상 402,730시간에 더해, 핸드헬드 그리퍼 시연 10,184시간과 로봇 원격 조작 데이터 23,500시간으로 사전 학습되었습니다. NVIDIA 자체 실험에서 사람 영상을 전혀 쓰지 않다가 전부 쓰자 72개 로봇 작업의 진행도가 50%에서 70%로 올랐습니다. GR00T 2 자체는 아직 공개되지 않았으며, 페이지에는 코드가 2026년 12월에 나온다고 적혀 있습니다. 데이터셋 카드에는 Human-1M이 NVIDIA의 Cosmos 모델에도 쓰인다고 나와 있습니다. 이와 별도로 NVIDIA는 GR00T 2 데이터를 모으려고 만든 핸드헬드형·웨어러블 장치의 하드웨어 설계를 공개했으며, 해당 소프트웨어는 GR00T 데이터 하드웨어 저장소에 있습니다.
중요한 이유
로봇 학습에는 로봇이 기록할 수 있는 것보다 훨씬 많은 숙련된 손 작업 예시가 필요합니다. 원격 조작은 느리고 비싸며, 평범한 사람 영상에는 모델이 동작을 배울 수 있는 손의 움직임과 라벨이 없습니다. Human-1M-100K는 머리와 손 자세, 시간별 동작 라벨이 이미 붙은 100,000시간의 실제 작업을, 상업적 사용을 허용하는 CC BY 4.0으로 제공합니다. 그래서 이 카탈로그에서 가장 큰 공개 일인칭 사람 조작 데이터셋이며, 더 작은 Eidon Tracker POV와 로봇 없이 모은 조작 데이터 HiFi-UMI-2K와 나란히 놓입니다. VLA와 월드 모델 사전 학습, 모방 학습 연구, 사람 손에서 로봇 손으로의 모션 리타기팅에 쓸 수 있는 자료이며, 많은 로봇 학습 도구가 이미 읽는 LeRobot 형식으로 제공됩니다. NVIDIA에 따르면 다음 GR00T 파운데이션 모델을 뒷받침하는 사람 데이터이기도 해서, 누구나 모델이 나오기 전에 그 데이터를 먼저 살펴볼 수 있습니다.
해결하는 문제
로봇에게 손 쓰는 법을 가르치려면 대량의 시연 데이터가 필요하지만, 로봇 원격 조작으로 모으는 일은 느리고 비싸며 실험실에서 꾸밀 수 있는 작업으로 한정됩니다. 사람이 실제로 일하는 영상은 많지만 손의 움직임이나 작업 구조가 붙어 있지 않아 모델이 거기서 동작을 배우기 어렵습니다. Human-1M-100K는 빠져 있던 부분을 미리 채운 실제 사람의 작업을 대규모로 제공합니다. 머리와 손 자세, 손별 신뢰도, 에피소드별 목표, 시간별 동작 라벨을 문서화된 LeRobot 형식과 상업적 사용을 허용하는 라이선스로 받을 수 있습니다.
핵심 요점
- 일인칭 사람 작업 100,000시간, NVIDIA의 백만 시간 규모 Human-1M 컬렉션 중 공개 하위 집합
- 수집자 41,288명의 에피소드 3,405,573개, 장면 81,557개, 작업 클러스터 406,815개, 환경 범주 아홉 가지
- 모노 또는 스테레오 머리 영상, 선택적 손목 카메라, 머리 카메라 6-DoF 자세, 신뢰도가 붙은 손당 21개 키포인트
- 두 단계 언어 라벨: 에피소드별 목표(T1)와 1~10초 길이의 연속된 시간별 동작(T2)
- LeRobot v3.0 형식, 필드 참조 문서, 미리보기 클립, 전체 샘플 에피소드 세 개, 브라우저용 탐색기 제공
- CC BY 4.0으로 상업적 사용 가능, NVIDIA는 Human-1M을 GR00T 2의 사람 영상 출처로 밝힘
대상
- 사람 시연 데이터로 VLA, 월드 모델, 로봇용 파운데이션 모델을 사전 학습하는 연구자
- 사람 손의 움직임을 로봇 손으로 옮기는 연구와 정교한 조작을 다루는 팀
- 일인칭 영상, 손 자세 추정, 동작 분할을 연구하는 컴퓨터 비전 연구자
- 자신의 도구가 바로 읽는 형식으로 대규모 사람 데이터를 원하는 LeRobot 사용자
한계
- 사람의 시연이지 로봇의 동작이 아니어서, 로봇 학습에 쓰려면 리타기팅이나 영상에서 배우는 모델이 필요함
- 매우 큼: 2026년 11월 10일 기준 스토리지 버킷이 1,321 TB, 2,561,357개 파일로 표시되어 대부분의 사용자는 고른 일부만 내려받게 됨
- Human-1M의 약 백만 시간 가운데 공개된 것은 100,000시간뿐이며 나머지는 NVIDIA가 보유함
- 버킷 폴더 이름이 release-staging이며 2026년 11월 10일에도 계속 갱신되고 있었음
- 이 데이터가 모델을 얼마나 개선하는지에 대한 주장은 NVIDIA 자체 GR00T 2 연구 페이지에서 나온 것이며, GR00T 2 자체는 아직 공개되지 않음
- 카메라 구성이 서로 다른 여러 출처가 기록했고, 리그나 개인정보 범주 같은 일부 필드가 빠진 출처도 있음
- 카드에는 촬영된 사람들의 동의를 어떻게 받았는지, 얼굴을 흐리게 처리했는지가 나와 있지 않으며, 식별자는 가명 처리됨
- CC BY 4.0은 저작자 표시를 요구하며, 영상 속 사람들의 사생활권이나 초상권은 허락하지 않음