硅谷数据公司用"脑电波+叠叠乐"破解人形机器人训练难题

在加州圣利安德罗的一间仓库里，数据工具公司Encord正在进行一项前沿实验：让操作员佩戴集成摄像头与脑电波传感器的头显设备，在玩叠叠乐积木的过程中采集大脑活动数据。这套来自德国神经科学初创公司Zander Labs的脑电头显，能够实时捕捉操作者执行精细任务时的脑波信号，并从中推导出错误、意图和惊讶等心理状态，为机器人模型提供高价值的训练数据。

Encord认为，制约人形机器人和仓储机器人发展的核心瓶颈并非模型架构，而是真实世界物理训练数据的极度匮乏。该公司机器人学习负责人Vineeth Velmurugan表示，"这些数据根本不存在"，而行业突破所需的数据规模估计达到YouTube全部视频库容量的五倍之多。

从人工操作到数据工厂：物理AI面临经济学困境

在这间仓库内，操作员们使用"主从式"机械臂装置采集训练数据——一只机械臂由人类直接操控，另一只同步模仿其动作，完成倒咖啡、堆叠扑克筹码等任务。货架上摆放着假花、书籍、塑料蔬菜和猫砂盆等道具，用于训练家用操作场景。另一处工位上，操作员Sofia Infante正操控机械臂练习插拔服务器网线，这类任务正是数据中心运营商迫切希望实现自动化的场景，但目前仍因机械爪灵活度不足而难以实现。

除脑电波外，Encord还在探索新的数据模态：在前臂绑戴传感器组检测肌肉电信号，据此重建手部三维轨迹，弥补视频拍摄中手指被遮挡时的信息缺失。每个数据集都配有细密的物理动作标注，例如"右手拧紧螺栓"。Velmurugan估算，这种高质量标注数据对特定任务训练的价值是普通数据的100倍，而生产成本仅为20倍——理论上是一笔划算的投资。

然而关键在于，与大型语言模型厂商从互联网近乎免费抓取文本不同，物理训练数据必须被"制造"而非"收集"，这从根本上改变了模型构建的经济学逻辑。Encord凭借服务多家机器人公司的独特优势，能够先于单一客户洞察全行业的数据技术趋势。在这间仓库里，十几位操作员日复一日地工作，为物理AI搭建基石——毕竟，机器人要学会叠积木，首先得有人愿意一遍遍教它。