当前具身智能模型发展的核心痛点是数据资源不足：与文本大模型不同，具身智能数据存在于客观物理世界、获取难度大、成本高。枢途科技自主研发的Syna-Data数据管线破解了这一难题——使用单目RGB视频即可驱动机械臂在真实场景中复现视频中人与物体交互的动作，并获取具身模型训练所需要的关键数据，包括机械臂状态、视觉图像、语言命令、交互物体点云等等。

Syna-Data较动捕搜集方式成本更低、规模更大，较仿真数据质量更高、避免了Sim-to-real gap问题，利用公域视频资源将具身模型训练数据推向web-scale。目前，Syna-Data已在RDT等主流VLA模型上实现数据有效性验证，并计划通过NVIDIA Isaac Sim平台向全球开发者开放海量训练数据，供行业训练具身智能模型，突破具身模型scaling law。

高质量的具身智能数据存在于真实的场景当中，如何低成本、可持续化的搜集是行业面临的共同挑战。类比Tesla FSD的发展路线，枢途让机器人进入田间地头、千行百业，在工作的过程中持续搜集高质量的具身智能数据。

枢途科技率先在农业场景实现具身智能的落地，实现精细化、高价值的作物采摘，并且在采摘过程中持续搜集带触觉模态的具身数据。随着具身智能数据飞轮的加速，枢途将逐步构建起业内稀缺的、来自真实场景的触觉模态数据集，成为NVIDIA Isaac Sim触觉数据的重要贡献者。