放弃现成的海量人类行为视频而重新录入基础动作，如果不是为了掩饰技术难点阻碍项目而人为拖慢研发进程以期获取资本投入，唯一的解释是为避免后续的知识产权来源纠纷

个人觉得这才是正确的路径，普通动作视频要处理成训练机器人的动作数据是不容易的，而且视频角度，每个人的动作姿势的区别都会造成偏差，训练模型时可能很容易达到基本的动作，但是再往上精细动作这一级别就很难达成。还不如开始就用机器人的视角（摄像头的位置），少数几个人以标准的动作制造标准数据。这样虽然数据少，但是质量非常高，后期训练的效果会非常好，缺点就是费时间。