当前，具身智能正面临高质量训练数据严重不足的发展困境。传统的动作捕捉与遥操作技术采集数据，虽能实现1：1动作复刻，但成本高昂——单台数采设备从几万到十几万不等，且建设大型数采中心投入巨大。 更关键的是，传统方式采集的数据通用性差，单一设备采集的数据通常仅服务于该设备自身，形成“数据孤岛”，难以在不同机器人本体间迁移复用。

面对这一困境，行业头部企业纷纷转向互联网视频这一潜力数据源。今年5月，特斯拉工程主管Milan Kovac公开表示，Optimus将告别传统动作捕捉和远程操控，转向直接从互联网视频中学习。互联网视频资源丰富、成本低廉，且蕴含着人类与物理世界交互的高维信息。如何将这些非结构化的2D视频数据，转化为机器人可理解、可执行的训练数据，成为技术突破的关键。

枢途科技在成立之初就聚焦在视频提取具身数据技术上，自主研发的SynaData数据管线，实现了从互联网单目视频中提取多模态、高精度具身训练数据的技术突破。SynaData通过视频数据升维、跨域重定向retargeting等技术，将普通2D视频转化为包含轨迹、物体网格等信息的具身训练数据。相比传统方式，SynaData成功将综合采集成本降至行业平均水平的千分之五。以“拿取外卖袋”任务为例，SynaData从人手拿取视频中提取数据，将模型的抓取成功率提升至88%以上。

SynaData的核心亮点在于服务第三方，打造开放生态。区别于其它企业将视频数据tokenize并用于自有模型，枢途科技定位“具身数据基础设施建设者”，从视频中提取的多模态具身数据已验证了清华RDT、PI π0、智元UniVLA、EquiBot等主流VLA模型。

目前，SynaData已完成全管线技术验证，处理了数千小时多场景视频，产出涵盖抓取、放置、精细组装等逾百种任务场景的数据集。

未来，枢途科技将与行业伙伴持续共建开放数据生态。枢途计划于2025年第四季度发布首个基于真实场景视频的多模态具身开源数据集，推动行业数据标准建设。公司还计划将适配的机器人本体类型扩展至100种以上，覆盖人形机器人、灵巧手、协作机械臂等各类结构。

枢途科技CTO林啸表示：“数据决定上限，模型逼近上限。SynaData让机器人得以利用海量视频数据，通过‘观看’人类视频学习技能，真正突破具身模型能力边界。” 随着SynaData系统的不断完善，具身智能领域将迎来低成本、高质量、海量数据的新时代。

枢途科技将以视频数采技术加速具身模型发展，驱动更多机器人在复杂非标场景的规模化落地，Make Robots Work。