衡宇 发自 凹非寺
量子位 | 公众号 QbitAI
具身智能数据采集领域正涌现出一条新路线：将采集视角从外部动作延伸至人体运动输出侧，即神经肌电（sEMG）方案。
该赛道最受瞩目的创业公司为OriginFlow（渊澈太初）。其创始人兼 CEO 秦深涛出生于 2001 年，现为清华大学车辆与运载学院博士在读。公司自成立不到一年，已连续完成天使轮、战略轮及 Pre-A1 轮融资，累计金额超 5 亿元人民币，投资方包括蓝驰、绿洲、Monolith 等机构。
秦深涛指出，当前真实产业场景与模型之间缺乏将非结构化、高精度的物理交互信息抽象为可训练表征的能力。因此，OriginFlow 致力于构建物理 AGI 基础设施，将神经肌电视为具身数据采集的关键入口。
秦深涛表示，短期内 NeuroScale 方案是对现有 UMI 及第一人称视觉方案的增量补充，但无感数据采集是未来重要趋势。面对技术变革，协同演进是更为适宜的策略。
用“神经接口”采集具身数据
OriginFlow 的核心目标是记录人类在执行精细操作（如拧螺丝、端汤、抓握柔软物体）时，身体瞬间完成的接触、摩擦、重量及稳定性判断等微小反馈，并将其转化为具身智能数据。
这一方向的灵感源于秦深涛本科时期的思考：键盘、鼠标和语音并非人机最直接的沟通方式。若机器能读懂手部动作背后的真实意图，人机交互将实现质的飞跃。
神经接口通过采集外周运动神经相关的体表电信号（神经肌电信号），避开了脑机接口高侵入、高通道数及脑区对应难题。随着无线传感、干式电极与 AI 算法的迭代，该技术已从高校实验室走向康复医学、运动分析及肌电假肢控制等领域。
△图片由 AI 生成
典型应用案例可见 Meta 的布局。2019 年，Meta 收购非侵入式神经接口公司 CTRL-Labs，利用 16 通道肌电图传感器监测手腕处传向手指的肌肉电信号，并解码为数字指令。此后，Meta 展示了通过捕捉微小神经信号控制 AR 界面的原型，实现了隔空打字等功能。去年，Meta 第三代智能眼镜已引入神经输入腕带，用户可通过想象滑动、点击等手部动作直接控制界面。
与 Meta 聚焦于便捷交互不同，秦深涛关注的是物理 AGI 所缺乏的高质量物理交互数据。他认为，神经肌电采集可绕过具体接触面材料和传感器的差异，从驱动侧出发，建立连接肌肉激活、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，OriginFlow 正式提出NeuroScale 技术体系。这并非简单的硬件叠加，而是一套涵盖信号采集、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，最终将其整理为机器可学习的Human Tokens。
NeuroScale 聚焦两大核心问题：
- Human Data Scale Up：在不干扰人自然感知与运动的前提下，持续记录真实操作，生产高质量物理交互数据。
- Cross-Embodiment Transfer：将人的动作经验经过表征与适配，迁移至不同结构的机器人本体。
针对动作模态缺乏规范表征的痛点，OriginFlow 将一次物理操作拆解为三个相互关联的空间：
- MotionSpace：描述手部姿态和运动轨迹。
- TactileSpace：描述法向力、切向力与接触反馈。
- TendonSpace：描述肌肉、肌腱驱动力和关节力矩。
这三者构成的物理因果链，形成了 OriginFlow 定义的 Human Tokens。秦深涛认为，“人到机器人”的迁移本质是“跨本体迁移”的子问题。通过结合大规模 Human Data 覆盖技能分布，以及多样化的 Cross-Embodiment Data 提供对齐锚点，模型可学习出解耦的共享动作表征，再重定向至不同机器人本体。
目前，该体系的落地载体为OriginKit Gen 1.0腕带。其体积小于 Apple Watch 表带，采用 16 通道采集系统，信息码流约每秒 96KB，可对微伏级表面肌电信号进行连续建模。
单一腕带仅能感知前臂肌肉活动，需结合第一视角视觉和 IMU 信息，经 PULSE 基座模型提取 Motion Space、Tactile Space 和 Tendon Space 三类核心物理量，并通过滤波、差分及强监督学习，最终转化为 Human Tokens。
在 WAIC 期间展示的 PULSE 0.2 版本 Demo 中，系统已能实时观测对指动作中的发力变化，实现了从离散手势识别到连续手部追踪与指尖力表征的跨越。
为确保数据可用性，OriginFlow 搭建了覆盖生产、加工、评测和训练的 Data Infra。其中，ORACLE 负责自动化标注，CHORD 负责多模态时序对齐。数据需经过物理有效性、任务有效性等多重质量筛选，方能成为可训练、可复用的数据资产。
从 Human Data 走向 Enhance Human
PULSE 0.2 仅为阶段性成果，研发中的 0.3 版本将进一步探索肌腱发力与前向运动学的关系。团队强调，设备必须足够轻便自然，才能让用户长期佩戴，从而实现数据采集从专用工位走向日常生活。
秦深涛描绘了数据 Scaling 的愿景：当采集设备具备消费属性（如眼镜、手表），全人类行为记录仅需十天左右，即可积累具身智能领域梦寐以求的“万亿小时数据”。
△图片由 AI 生成
OriginFlow 规划了三阶段发展路线：
- 第一阶段（From Human）：在不干预人类自然状态的前提下，系统性蒸馏并还原人在物理世界的操作经验，转化为机器可学习的数据。
- 第二阶段（With Human）：构建包含机器人在内的新一代 AI 硬件，以 Always-on 形态融入工作生活，发挥下一代人机接口价值。
- 第三阶段（Enhance Human）：面向未来 10 至 30 年，实现人类能力的增强。
从单次演示到万亿小时数据规模，中间仍需漫长的工程验证。
One More Thing
目前国内利用神经肌电采集具身智能数据的创业公司还包括强脑科技、章鱼动力、SnowOrigin、念象科技、无界脉络、手亿科技等。