具身智能进入真实场景，数据集的质量、规模和可复用性，正在成为模型能力迭代的关键基础。

近日，G-Star 新成员灵初智能 PsiBot 正式入驻 AtomGit，并在平台开源 SynData 数据集。SynData 是灵初智能自主研发的大规模真实世界多模态具身数据集，面向机器人灵巧操作、VLA 模型训练、模仿学习等场景，为国内具身智能开发者提供了更便捷的获取、复用和共建入口。

关于灵初智能 PsiBot

灵初智能是国内具身智能领域的标杆企业，专注通用具身智能、VLA（视觉-语言-动作）大模型与灵巧操作算法，并携手北京大学共建“具身灵巧操作联合实验室”。公司先后推出行业首个端到端强化学习具身模型 Psi R0、R0.5 与 R1，率先实现长程任务执行，兼具泛化性、鲁棒性与灵巧性。

围绕“让机器人理解世界、完成复杂灵巧操作”这一目标，灵初智能自研 ψ-SynEngine 具身数采引擎，以远低于传统遥操作的成本采集海量高质量真实人类操作数据；其技术路线亦入选 Morgan Stanley 中国人形机器人价值链“Brain”板块。

灵初智能 SynData：用人类操作训练机器人

灵初智能 PsiBot 专注通用具身智能、VLA 大模型和灵巧操作算法，长期围绕“如何让机器人完成真实世界中的长程、精细、复杂任务”构建技术体系。

在灵初智能的技术路线里，SynData 不是孤立的数据发布，而是其人类数据飞轮的一部分。灵初智能公开资料显示，其围绕约 10 万小时人类数据进行具身模型预训练，并结合 Psi-W0 世界模型进行数据质检与策略评估。SynData 则把其中一部分高质量、多模态、可复用的人类操作数据开放给社区。

这也与 AtomGit 推动优质开源成果沉淀和传播的方向相契合。对于 SynData 这样的具身数据集，平台价值不只是“托管文件”，更在于帮助开发者更低门槛地发现资源、理解资源、复用资源，并围绕真实研究和工程需求持续形成反馈。

四个子集，覆盖视觉、语言与动作

这套数据面向真实操作场景构建，覆盖视觉、语言与动作三大维度。数据由灵初智能自研外骨骼数据手套系统采集，能够记录双臂双手的完整自由度运动，并同时包含外骨骼采集数据和裸手数据。

SynData 当前包含四个子集：

整体规模约 449k clips，按不同子集，SynData 覆盖 RGB、深度、头部 IMU、头部位姿、腕部位姿、手部关节状态、指尖关键点和触觉信号等多种模态，适合用于视觉-动作建模、模仿学习、多模态具身模型和 VLA 研究。

依托 AtomGit，让具身数据被看见、被复用

本次 SynData 入驻 AtomGit，为国内开发者提供了更便捷的数据访问入口。开发者可以在 AtomGit 查看数据集说明、获取元数据和数据文件，并结合平台的数据集托管能力进行版本化管理、分发与复用。

机器人学会真实世界，不只需要模型，也需要足够真实、足够精细、能够被持续使用的数据。AtomGit 也将持续汇聚更多高质量 AI 开源项目与数据资源，助力国内开发者更高效地参与具身智能开源生态共建。

欢迎机器人、VLA、多模态学习方向的开发者前往 AtomGit 关注灵初智能 PsiBot，获取 SynData 数据集，并围绕真实世界具身任务开展复用、验证与共建。

🔗 SynData 数据集地址：

https://ai.atomgit.com/psibot-ai/SynData