Vbot维他动力发布跨视角数据生成模型与端到端通用数据管线，降低具身智能数据采集门槛

11月13日上午，Vbot维他动力正式发布跨视角数据生成模型Exo2EgoPolicy、端到端通用数据管线Vbot Echo，以及配套数据采集应用Echo App。通过跨视角视频生成、端到端数据处理与以及低门槛的真实场景采集，Vbot打通从数据获取、生成处理到机器人训练数据产出的完整链路，把大量第三视角视频和人类操作经验转化为机器人可用的训练数据。

据介绍，Exo2EgoPolicy面向真实操作场景，可将第三视角视频中的人物动作、物体交互和场景信息转换为对应操作者的第一视角画面。其用途是让原本并非为机器人训练采集的通用视频，转成更接近机器人观测条件的学习素材。

技术上，该模型以视频生成主干为核心，结合视觉编码和语义理解，建立第三视角与第一视角之间的动作联系，识别操作者、双手运动、接触物体及操作随时间的变化，并联合生成连续画面中的空间结构和外观细节。

该模型可处理多人同框、拍摄角度变化和镜头切换等复杂互联网视频，支持指定目标角色，使第一视角生成围绕同一操作者展开；训练中引入相机几何、手部结构和真实操作数据，以提升物体空间布局、手物接触关系和跨视角外观对应的还原质量。使用时只需输入第三视角视频，无需额外深度数据或相机标定信息。

与此同时，Vbot维他动力推出端到端通用数据管线Vbot Echo，以及配套数据采集应用Echo App，结合Exo2EgoPolicy跨视角生成能力，贯通真实场景采集、云端数据处理与机器人训练数据生成的完整流程。

Vbot Echo负责后续处理。数据进入云端后，Exo2EgoPolicy先把第三视角记录转成更贴近机器人观测条件的第一视角视频，使同一次真实操作示范衍生出不同观测视角的数据。

Vbot Echo通过动态场景重建、语义理解、人体与物体姿态估计及时间序列对齐，建立统一时空的人—物交互表示;在运动学层面，结合目标机器人身体结构和关节约束，通过跨本体运动重定向，将人类全身与手部动作适配为机器人关节和末端运动轨迹；在物理层面，结合场景、物体及物性建模，在仿真环境中重演接触交互，生成接触力、关节力矩等辅助标注。

管线还通过物理一致性与质量校验，检查运动稳定性、物体穿透和轨迹跟踪误差，并将校验结果回流优化，形成“生成—适配—仿真—校验—优化”的闭环。系统保留数据来源与质量标签，区分仿真辅助标注与真实测量数据。

采集端，Echo App将流程简化为拍摄与上传，兼容第一视角和第三视角数据；用户无需穿戴专业采集设备，只需把手机放在操作区域一旁，即可记录操作过程并上传云端处理。

Vbot 的目标，是从根本上突破具身智能的数据获取瓶颈，让人类经验成为机器人持续进化的源泉。Vbot表示，通过三者的协同，构建规模化采集具身数据的基础设施：通过跨视角生成释放通用视频的学习价值，通过结构化处理、动作适配与物理验证，将符合条件的人类操作转化为机器人训练数据，再通过低门槛采集，让更多真实场景与长尾技能持续进入这一体系。