EgoSim 是视频领域的开源项目，由 jinkun-hao 开发，是 2026 年新上线的项目。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 71。
项目仍在小幅维护中，最近一次代码更新于 2026-09-18。代码公开，可自行部署使用，无收费计划。
它主要面向的使用场景是：机器人操作技能学习的数据生成。同类可对比的替代方案包括 World Models、VideoPoet、Genie。
EgoSim
一句话生成第一人称交互视频，为具身智能造数据
EgoSim 是一个面向具身智能与第一人称视觉的仿真世界生成器，核心解决现有视频生成模型缺乏第一人称视角与交互一致性的问题。它能够根据用户提供的动作指令或场景描述，生成以自我为中心的、包含手部与物体交互的连续视频片段，模拟真实世界中的操作过程。项目基于扩散模型架构，支持细粒度的动作控制与视角稳定，并引入世界模型概念以增强时序连贯性。其核心能力包括：第一人称视频合成、交互动作驱动、多场景泛化。该工具旨在为机器人学习、AR/VR 体验和自动驾驶等需要第一人称数据的研究提供低成本、可扩展的合成数据方案，减少对真实采集数据的依赖。
开源
free
视频生成
GitHub 星标
★ 71
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队jinkun-hao
所属国家
定价模式free
价格说明开源项目，代码公开，可自行部署使用，无收费计划。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型egocentric-vision,video-generation,world-model
GitHub 星标★ 71
30天Star增速
HF 下载量
上线时间2026-03-31 00:00:00
最近更新2026-09-18 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1
使用教程
核心亮点
- 聚焦第一人称视角，填补通用视频生成在该领域的空白
- 支持动作指令驱动，可生成手物交互的连续视频
- 基于扩散模型，视频质量与一致性有保障
不足之处
- 项目处于早期，文档与社区生态待观察
- 仅支持第一人称场景，通用性受限
适用场景
- 机器人操作技能学习的数据生成
- AR/VR 中第一人称交互体验模拟
- 自动驾驶行人视角场景合成
替代项目
World Models、VideoPoet、Genie
项目介绍
上一篇：Awesome-Video-World-Models
下一篇：rcm
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···