00后清华博士生创业“神经接口”：把人类肌肉反应炼成Token

衡宇 发自 凹非寺

量子位 | 公众号 QbitAI

具身智能数采，又多了一条新路线。

正式介绍之前我们来做个小互动：抛开AI、不查资料，5秒内能说出现有的具身数据采集方式有哪些？

真机遥操作采集、无本体便携采集（UMI/Ego）、仿真合成数据、互联网视频蒸馏是最主流的四种方式。

与meta关心的并不是怎样让人更方便地点击、滑动或输入文字不同，秦深涛的思考落在物理AGI缺乏的条件上。

在他看来，首先，现在极度缺乏的高质量物理交互数据，已经成为了制约具身智能机器人进阶的关键。

当下的具身数据采集方式各有弊端，能不能以神经肌电作为切入点，做进一步的补充？

而且，选择神经肌电采集可能可以绕过具体接触面的材料和传感器差异，从人和机器各自的驱动侧出发，寻找到一套能够连接肌肉激活、肌腱发力与关节运动的共享动作表征。

采集，从一条腕带开始

2025年，博士在读的秦深涛正式创业，注册成立OriginFlow，愿景是为Physical AGI构建文本、视频之外的“动作基座”。

不久，团队提出了NeuroScale技术体系。

NeuroScale并不是简单地在现有具身数据采集设备上增加一条肌电腕带。

它是一套从信号采集、物理量重建、动作表征到跨本体迁移的数据与模型体系。

该体系以非侵入式神经运动接口为信号入口，融合神经肌电、第一视角视觉与IMU等多模态信息，通过PULSE基座模型重建人类操作中的姿态、接触力和驱动力，并将一次真实操作整理为机器可学习的Human Tokens。

NeuroScale长期关注两个核心问题。

其一，如何实现Human Data Scale Up？

也就是在尽量不打扰人自然感知与运动的前提下，持续记录真实操作，生产更多高质量的物理交互数据。

其二，如何实现Human与Robot之间的Cross-Embodiment Transfer，让人的动作经验经过表征与适配，进入不同结构的机器人。

在这两个问题之下，还对应着一个更基础的技术问题：人类动作究竟应该以什么形式进入基础模型？

文本已经形成相对成熟的Token表征，视觉也逐渐收敛到Patch或Latent表征，但动作模态至今仍缺少公认的规范表征。

OriginFlow将一次物理操作拆解为三个相互关联的空间：

描述手部姿态和运动轨迹的MotionSpace

描述法向力、切向力与接触反馈的TactileSpace

描述肌肉、肌腱驱动力和关节力矩的TendonSpace

驱动力产生运动，运动带来接触，接触最终形成作用力，三者共同构成一条物理因果链。

OriginFlow所说的Human Tokens，正是建立在这三类物理量之上的动作表征。

“在形式上，人可被视为本体（embodiment）构型空间中的一个特例。因而‘人到机器人’的迁移，本质上是‘跨本体迁移’的一个子问题。”秦深涛说。

具体而言，大规模Human Data负责覆盖尽可能广泛的人类动作与技能分布；规模相对较小、但机器人构型足够多样的Cross-Embodiment Data，则提供人和不同机器人本体之间的对齐锚点。

两类数据结合后，模型有机会学习出一套与具体本体相对解耦的共享动作表征，再将同一段人类动作和发力信息，重定向到不同自由度、不同驱动方式的机器人本体上。

因此，OriginFlow并不是希望把人的操作数据直接复制给机器人，而是先寻找不同本体之间可共享的动作、驱动力和接触关系，再完成适配与映射。

落到现实世界里，NeuroScale则从一条腕带开始。

腕带被命名为OriginKitGen 1.0，设计上略宽于Apple Watch的表带，但整体体积更小、重量更轻。

腕带负责采集佩戴者发出的微伏级表面肌电信号，其系统采用16通道采集，信息码流约为每秒96KB，并对手部运动进行连续建模。

不过NeuroScale的落地也不只靠腕带。

单靠腕带，系统只能知道前臂肌肉活动的变化，却很难判断这意味着手指具体在做什么。

OriginKitGen 1.0采到的信号，会与第一视角视觉、IMU等信息一同进入NeuroScale的数据链路。

原始波形经过对齐、校准和处理后，再由团队自研的基座模型PULSE提取其中与手部姿态、运动轨迹、接触力及肌腱发力有关的线索——分别对应Motion Space（运动空间）、Tactile Space（触觉空间）和Tendon Space（肌腱空间）三类核心物理量——硬件端做滤波、差分、运动伪迹抑制，模型端做神经信号编码和强监督学习——逐步整理成机器能够学习的动作表征。

这就是团队所说的Human Tokens。

WAIC期间，秦深涛与团队展示了现阶段的成果，PULSE 0.2版本的demo：

腕带负责采集16通道表面肌电信号，PULSE以这些信号为输入，对手部运动进行连续建模，并观测对指动作中的发力变化。

与离散的手势识别不同，PULSE关注的是连续的手部追踪与指尖力表征。

当用户做对指动作时，系统能够实时观测到发力的变化。

不过，从一段神经信号中重建动作，并不等于已经获得可以直接用于机器人训练的数据。

原始数据还需要经历多设备时钟对齐、个体校准、运动伪迹处理、任务切分、动作与力标注、质量筛选以及跨本体映射。

为此，OriginFlow还搭建了一套覆盖数据生产、加工、评测和训练的Data Infra。

其中，ORACLE利用多模态模型完成动作、力、语义与任务片段的自动化标注；全模态统一基座CHORD负责神经肌电、视觉、IMU、语言及机器人状态之间的时序和表征对齐。

数据还会依次经过物理有效性、任务有效性、标注有效性、模型价值和真机评测等质量环节。只有能够在模型训练或机器人任务中产生实际价值的数据，才会进入最终交付的数据集。

也就是说，不仅要把数据采下来，还要能够以足够低的边际成本，将海量原始信号加工成可训练、可评测和可复用的数据资产。

从Human Data走向Enhance Human

PULSE 0.2演示出的只是公司的一小部分业务，模型本身也只是阶段性产出。

正在研发中的PULSE 0.3在进一步探索肌腱发力与手部前向运动学（forward kinematics）之间的关系。

前面提到的腕带，也只是当前采集终端而非最终产品形态。

对于一条依赖长期、规模化采集的路线而言，设备能否被人自然地接受，决定了数据能否持续产生。

秦深涛说，要让人先愿意戴上设备，还要愿意戴得足够久。

究其本质，OriginFlow希望在尽量不改变人原有感知与运动方式的前提下，持续记录人在真实世界中的动作输出，并将其加工为Physical Tokens。

只有这样，数据采集才能离开数采厂和专门搭建的工位，进入日常生活与真实生产流程。

到那时，具身智能领域现在遥不可及的“万亿小时数据”，只需要将全人类的行为记录十天左右。

秦深涛将这一过程描述为数据Scaling的持续放大。

面向未来，我们将推动全模态Human Data的规模，从千万小时、上亿小时，逐步迈向万亿小时。

而团队设想中的下一代物理入口，将逐渐走向更轻、更自然，也更接近消费品的形态。

在他们的设想里，未来，人们只需佩戴具有消费属性的眼镜、手表，或更轻量的手环，即可在日常生活中持续地对自身建模，并从个人模型中获得便利。

△图片由AI生成

总体来说，OriginFlow这家公司现阶段做的事情，还处于对自己发展规划的第一阶段。

他们给自己规划了三阶段发展路线——第一阶段，From Human，先把人怎么动尽量采下来，把人在物理世界中的操作经验，系统性地蒸馏、转化为机器可学习的数据与表征。

OriginFlow希望在不干预人类自然感知与运动过程的前提下，完整还原人的动作输出。

整套采集方案始终遵循非侵入式原则，确保人在维持原有状态的同时，动作能被系统精确观测并复原。

第二阶段，With Human。

这一阶段将构建包括机器人在内的新一代AI硬件，以Always-on的形态融入日常工作与生活，让更多人享受到下一代人机接口（Interface）带来的价值。

第三阶段则是面向未来10到30年的Enhance Human。

当然，从PULSE 0.2的一次对指演示，到全模态Human Data的万亿小时规模，中间还隔着漫长的工程验证。

One More Thing

据悉，国内创业公司还有强脑科技、章鱼动力、SnowOrigin、念象科技、无界脉络、手亿科技等也在利用神经肌电采集具身智能数据。