脑电波能成为机器人AI训练的下一个突破口吗

物理AI的前沿阵地，是加州圣利安德罗一座仓库里摇摇欲坠的积木塔。数据工具公司Encord的操作员Andrew Ceja头戴一顶特殊头盔，一边小心翼翼地抽取木块，一边让头盔上的传感器实时记录他的脑电波。这套设备由德国神经科学初创公司Zander Labs研发，能够推断操作者在任务执行过程中的意图、错误感知和惊讶程度，为机器人模型提供超越普通视频的心理状态维度数据。Encord目前将此视为试验性项目，计划先构建初步的脑电波标注数据集，再评估其对客户机器人模型性能的实际提升效果。

Encord最初是一家帮助企业标注机器视觉数据的工具公司，但随着客户开始将端到端学习应用于机器人操作任务，公司管理层意识到仅仅管理数据已经不够，必须亲自生产数据。机器人学习负责人Velmurugan一针见血地指出：所需的训练数据根本不存在。生成式AI让聊天机器人突飞猛进，但同样的逻辑在物理世界遭遇了根本性障碍——大语言模型依赖整个互联网的文本语料，而教会神经网络理解物理操作所需的等量原始素材，目前几乎无处可寻。

为了填补这一空白，机器人公司正转向两类主要数据来源：工人佩戴摄像头采集的第一视角视频，以及通过远程操控机器人收集的操作数据。Encord在全球多个工厂采集第一视角数据，同时在圣利安德罗设施中使用主从机械臂装置，让人类操作员控制一只机械臂，另一只同步模仿其动作，由此生成倒咖啡、叠扑克筹码等日常任务的训练数据。Velmurugan表示，几乎每家人形机器人公司都向他们索取过这类数据集。

除脑电波外，Encord还在开发另一种新型数据模态：将传感器绑在操作员前臂，通过检测肌肉电信号来推断手部的三维空间位置。由于拍摄人手操作物体的视频往往无法完整捕捉手部形态，这套基于肌电信号的方案有望为模型构建更完整的手部运动理解。与此同时，Encord还为每段视频配以密集的文字标注，例如标注右手拧紧螺栓等动作描述，以帮助基于大语言模型的系统理解视频内容。Velmurugan估计，这种密集标注的价值是低质量第一视角数据的100倍，而成本仅高出约20倍。

然而，物理训练数据的经济逻辑与互联网文本截然不同。大语言模型的训练语料几乎是免费从网络抓取的，而物理训练数据必须被制造出来，而非简单采集，这从根本上改变了构建此类模型的成本结构。Velmurugan估计，突破物理AI的数据瓶颈所需的数据集规模，将是YouTube全部视频库的五倍，这一数字足以解释为何数据生产本身已经成为一门独立的生意，而不仅仅是研究课题。

Encord同时服务于多家机器人公司的独特位置，也赋予了它一种行业级视野：它能在任何单一客户察觉之前，率先发现哪些数据技术正在获得行业认可。仓库里的十余名操作员，包括曾在Scale等AI数据标注公司工作过的Ceja和Sofia Infante，正在成为一支新兴劳动力队伍，为神经网络的物理智能打下基础。当积木塔轰然倒塌，Ceja说他享受为机器人解决训练任务的挑战——这或许正是物理AI时代最真实的人机协作图景。

要点

• 物理AI面临的核心瓶颈不是模型架构，而是真实世界物理操作训练数据的极度匮乏，所需数据规模估计是YouTube视频库的五倍。
• Encord正在探索脑电波和肌肉电信号等新型数据模态，试图为机器人模型提供超越普通视频的操作者意图与心理状态信息。
• 密集文字标注的训练数据价值是低质量第一视角数据的100倍，但成本仅高出约20倍，这一比例在经济上具有可行性。
• 物理训练数据必须被主动制造而非简单采集，其成本结构与依赖免费互联网文本的大语言模型训练存在根本差异。
• 同时服务多家机器人公司的数据平台，能够比任何单一客户更早发现行业级数据技术趋势，这本身构成一种竞争优势。