脑电波会是物理AI的下一个突破口吗？
在AI行业竞相让机器人学会“动手”的当下，一个关键瓶颈浮出水面：真实世界训练数据极度匮乏。位于加州圣莱安德罗的仓库里，数据标注公司 Encord 与德国神经科学初创公司 Zander Labs 正进行一项前沿实验——让机器人训练员佩戴脑电波头套，在拆解Jenga积木塔的同时记录其脑部活动。
这一尝试的背后逻辑是：传统机器人训练依赖视频或传感器数据，但脑电波能揭示操作者的意图、错误感知与注意力状态，从而为模型提供更丰富的“隐性”信号。Encord的机器人学习主管Vineeth Velmurugan指出，目前的物理AI模型面临数据瓶颈，而脑电波或许能成为解锁更高效、更智能机器人训练的关键。
为什么脑电波比视频更“懂”机器人？
当前主流方法（如从YouTube视频学习）虽然成本低，但缺乏关键细节：单一视角无法捕捉抓取力度、触觉反馈和决策瞬间的认知负荷。而脑电波可以实时反映操作者在关键动作前的犹豫、错误后的修正意图，甚至对任务难度的潜意识评估。Zander Labs的神经科学家Lucas Gehrke解释，脑电波活动的强度变化能提示模型何时需要调用更高层次的决策资源，这对于训练机器人在复杂环境中自主权衡至关重要。
从数据管理到数据制造
Encord最初为机器视觉公司提供数据标注与模型评估工具。随着客户（多家顶级机器人公司，但未具名）转向端到端学习，公司意识到必须自己生产训练数据——因为“真实世界中根本不存在足够的高质量数据”。Velmurugan表示，当前物理AI模型的瓶颈不在算法架构，而在训练数据的稀缺性。与Zander Labs的合作目前处于试点阶段，目标是用脑电波标注的数据集测试客户模型，验证其能否显著提升性能后再决定是否规模化。
行业背景与现实挑战
这一探索正值业界对“具身智能”的狂热期——生成式AI的突破让人期待机器人也能像ChatGPT一样从海量数据中涌现智能。但现实是，机器人训练数据采集成本极高：需要人工操作、多角度拍摄、密集标注，且不同任务间的数据难以复用。脑电波方案若被证明有效，可能大幅降低数据门槛，但技术成熟度尚存疑问：头戴设备是否干扰操作？脑电波信号的个体差异如何消除？这些都需要更多实验验证。
小结
尽管脑电波训练仍处于早期实验阶段，但它的方向值得关注：当模型架构趋于同质化时，数据质量与多样性将成为竞争壁垒。Encord与Zander Labs的合作，或许正在为物理AI打开一扇新的大门——让机器人不仅“看见”世界，更能“感知”人类在操作中的思维脉络。