脑电波成具身智能新突破口？Encord 联手 Zander Labs 用人类大脑数据训练AI机器人

type

status

date

slug

summary

事实梳理：用脑电波和肌肉电信号训练机器人

在 Encord 位于加州圣 Leandro 的仓库中，人类操作员（被称为“机器人训练飞行员”）戴着配备摄像头和脑电波传感器的头显，小心翼翼地抽取叠叠乐积木。这套脑电波头显由神经科学初创公司 Zander Labs 制造，旨在通过测量脑电活动，推断人类在操作过程中的心理状态，例如：是否发现错误、操作意图以及对意外情况的惊讶程度。

神经学家 Lucas Gehrke 解释称，人类在执行任务时脑部活动的变化，能够为AI模型构建者提供重要线索，帮助他们了解何时需要让模型部署最高算力的决策模块。此外，Encord 还在开发一种前臂传感器，通过检测肌肉中的电信号来重建手部运动的3D模型，解决机器人通过视频学习时手部经常被遮挡的痛点。

影响与用法：突破具身智能的“数据壁垒”

目前，训练机器人大脑主要依赖两种途径：员工佩戴相机拍摄的“第一人称”视频，以及远程控制机器人收集的数据。然而，视频数据缺乏物理交互的精度，远程控制又难以规模化。行业专家指出，要让物理AI实现类似 ChatGPT 的突破，所需的训练数据量可能高达 YouTube 视频总量的五倍。

将脑电波和生理信号融入训练数据，相当于给机器人提供了一本“带注释”的人类动作指南。例如，当人类在倒咖啡或插拔服务器网线时，脑电波能告诉AI“这一步需要格外小心”或“刚才的角度不对”。这种高密度的意图标注，虽然成本较高，但对于机器人进行精细操作（如插拔以太网线、整理杂物）具有决定性的提升作用。

风险与限制：高昂的制造经济学与硬件鸿沟

尽管脑电波数据潜力巨大，但这种“制造数据”的模式面临着严峻的经济挑战。从 Stack Overflow 或社交平台抓取文本几乎是免费的，而在物理世界中雇佣专业人员、佩戴昂贵设备去生成数据则极其昂贵。Encord 估算，这种高密度的精细标注数据虽然比垃圾视频数据的价值高出100倍，但其生产成本也高出20倍。

此外，硬件本身的物理限制也是一大难关。人类手指拥有极高的自由度和灵敏度，而目前的机器人机械爪（Pincers）在灵活性上相去甚远。即使模型通过人类的肌肉信号学到了完美的“意图”，受限于机械硬件的物理极限，机器人在实际执行时依然可能力不从心。

结论

脑电波和生理反馈的引入，标志着物理AI数据采集技术迈入了前沿探索阶段。虽然高昂的生产成本和机械硬件的局限是短期内难以逾越的鸿沟，但随着 Encord 等数据服务商在这一领域的深耕，物理AI有望突破现有的数据瓶颈，迎来真正的智能化跨越。想要获取更多前沿 AI 工具与资讯，请持续关注 aigc.bar。