2026-08-11 18:04:56
在世界机器人大会（WRC）前夕，前沿科技公司章鱼动力宣布，其肌电大模型首次面向具身数据采集实现肌电跨个体零样本泛化，真正让肌电从“一模一人”，走向“一模千人”。面对没有进入训练集的新个体，模型无需新增个体数据、无需增量训练，即可恢复手部姿态和发力状态。
在真实场景下，手部经常被遮挡，视觉难以获取遮挡下的手部姿态与真实发力，即使动作可见，视觉也很难直接判断操作者是否发力以及发力大小。
肌电信号来自肌肉活动，并先于可见动作出现。它能够为模型补充两类视觉难以获取的信息：遮挡下的手部姿态和手部发力状态。
但不同人的肌肉结构、皮肤状态、发力习惯并不相同。传统肌电模型通常围绕固定用户和固定任务训练，这让肌电长期停留在“小规模实验状态”：如果每增加新个体，都要新增一轮个体数据、训练和校准，那么具身数据采集就很难进行规模化扩展。
据介绍，上述肌电大模型彻底改变了这一状态。章鱼动力以大规模无标注多通道时序信号进行自监督预训练，让模型先学习跨个体、跨佩戴状态的通用肌电表征，再迁移到手势识别、连续手部运动恢复和发力状态估计等任务。从不同信号分布中学习可以迁移的共同结构，从而对个体差异、佩戴位置和长时间漂移保持鲁棒。
此外，外骨骼同构数采手套解决跨本体对齐，让无本体操作数据近乎无损直达灵巧手真机；四鱼眼头环以双目补全第一视角视觉和三维尺度；SYNData 则通过模型算法与数据工程，将多模态采集数据转化为标准化、可追溯的数据集。
从业界来看，真正稀缺的不只是原始数据，更是可训练数据。具身智能的数据采集规模正在快速增长，但总量增长并不等于模型能力同步增长。大量原始数据会因为多模态时间戳错位、三维尺度漂移、遮挡下的姿态与力信息缺失、标注不完整等问题，无法进入训练。
为此，章鱼动力提出具身数据的价值公式，即具身数据价值为物理完备度、场景多样度、采集规模、数据质量相乘，只要其中一项接近零，数据的整体价值就会被大幅削弱。因此，具身数据系统必须同时回答：如何构建数据采集路径，以及如何将原始数据处理为可训练的数据资产。
让肌电跨越个体，让人类操作数据近乎无损地对齐真机，让每一次真实操作都成为机器人可以学习的经验。这意味着，肌电突破不再只是“识别更准”，而是真正从“一模一人”走向“一模千人”，支撑具身数据的高效规模化采集。