数据
HowTo100M
HowTo100M 从 122 万条教学视频中切出约 1.36 亿个带字幕片段，覆盖两万多项日常任务，是视频-文本大规模预训练的奠基数据集，也常被具身模型用来学「任务步骤该怎么拆」。
主体信息
HowTo100M 从 122 万条教学视频中切出约 1.36 亿个带字幕片段，覆盖两万多项日常任务，是视频-文本大规模预训练的奠基数据集，也常被具身模型用来学「任务步骤该怎么拆」。
数据规模：具体轨迹数未公开，以官方公开口径为准。
任务类型：视频文本预训练、步骤定位、教学任务理解。数据模态：教学视频、自动语音转写字幕。
采集 / 适用机器人平台：人类操作视频（用于视觉语言预训练）。
下载资源：HowTo100M 项目主页（https://www.di.ens.fr/willow/research/howto100m/）。