Pengumpulan data untuk kecerdasan terwujud (Embodied AI), kini punya jalur baru.
Sebelum perkenalan resmi, mari kita lakukan interaksi kecil: tanpa berpikir tentang AI, tanpa mencari referensi, dalam 5 detik, bisakah kamu sebutkan cara-cara pengumpulan data terwujud yang ada saat ini?
Pengumpulan operasi jarak jauh dengan robot fisik, pengumpulan portabel tanpa robot (UMI/Ego), data sintetis simulasi, dan distilasi video internet adalah empat cara utama.
(Tidak ada urutan ranking, saya sebutkan sembarangan)
Jika ingin diklasifikasikan lebih detail, bisa dibuat daftar panjang.
Setidaknya jawaban AI seperti ini, bisa kamu rasakan——
Belakangan ini, sebuah jalur baru mulai muncul dan semakin populer, cara ini mengalihkan pandangan pengumpulan data dari gerakan eksternal, lebih jauh menuju sisi output gerakan tubuh manusia.
Inilah skema neuromuskular elektrografi permukaan (sEMG, Surface Electromyography) yang saat ini mendapat banyak perhatian.
OriginFlow (渊澈太初) adalah perusahaan rintisan paling panas dan paling digemari di jalur ini.
Pendiri sekaligus CEO Qin Shentao, lahir tahun 2001, saat ini sedang menempuh studi doktoral di Sekolah Kendaraan dan Transportasi, Universitas Tsinghua.
Agustus tahun lalu, dia mendirikan OriginFlow di Beijing; hingga Mei tahun ini, perusahaan telah mengungkapkan penyelesaian pendanaan tahap angel, tahap strategis, dan tahap Pre-A1 secara berturut-turut, dengan total jumlah melebihi 500 juta RMB, dari investor termasuk Lanchi, Oasis, Monolith, dll.
Qin Shentao memberitahu kami:
Ada kekurangan satu lapisan kemampuan yang dapat mengabstraksikan informasi interaksi fisik yang tidak terstruktur, berpresisi tinggi, dan detail kompleks menjadi representasi yang dapat dilatih, antara skenario industri nyata dan model.
Oleh karena itu, dia merintis infrastruktur AGI Fisik sendiri, ingin menjadikan neuromuskular elektrografi sebagai salah satu pintu masuk pengumpulan data terwujud.
Qin Shentao mengatakan, dalam jangka pendek, bagi skema UMI dan skema visual sudut pandang orang pertama Ego dll, NeuroScale lebih merupakan tambahan; namun pengumpulan data tanpa gangguan pasti merupakan tren penting di masa depan.
Saat perubahan baru muncul, strategi yang lebih sesuai adalah berevolusi bersama dengan teknologi yang sudah ada.
Menggunakan "Antarmuka Saraf" untuk Mengumpulkan Data Terwujud
Pertama, mari kita pahami apa yang dilakukan OriginFlow saat ini dengan mendekati kehidupan sehari-hari.
Saat seseorang mengencangkan sekrup, membawa mangkuk sup dengan stabil, atau menggenggam benda lembut, tubuh akan terus memberikan umpan balik halus sesuai situasi nyata.
Kapan jari mulai mengencang? Bagaimana kekuatan bertambah atau berkurang?...... Sebenarnya, manusia tidak memikirkan masalah-masalah ini satu per satu dengan serius, seringkali dalam waktu yang sangat singkat, tubuh sudah dapat menyelesaikan dan mengeksekusi serangkaian penilaian tentang kontak, gesekan, berat, dan stabilitas.
OriginFlow berharap dapat merekam lapisan reaksi yang terlibat ini, sebagai bagian dari data kecerdasan terwujud.
Alasan memilih arah ini harus dimulai dari masa sarjana Qin Shentao.
Selama sarjana, Qin Shentao memimpin tim meraih hampir semua kejuaraan kompetisi robot yang bisa diraih; juga selama sarjana, dia memiliki pemikiran lebih lanjut:
Keyboard, mouse, suara bukanlah cara komunikasi paling langsung antara manusia dan mesin. Tangan manusia adalah alat paling fleksibel, jika mesin memahami niat sebenarnya di balik gerakan tangan, interaksi manusia-mesin akan naik ke tingkat berikutnya.
Dengan demikian, antarmuka saraf masuk ke dalam jangkauan visi Qin Shentao yang "terobsesi" dengan fusi manusia-mesin.
Antarmuka saraf mengumpulkan sinyal listrik permukaan tubuh yang terkait dengan saraf motorik perifer (yaitu sinyal neuromuskular elektrografi), menghindari masalah invasif tinggi, jumlah saluran tinggi, dan korespondensi area otak pada antarmuka otak-komputer.
Setelah resmi lahir, neuromuskular elektrografi lama terbatas pada laboratorium universitas.
Kemudian, seiring dengan iterasi sensor nirkabel, elektroda kering, dan algoritma AI, neuromuskular elektrografi mulai digunakan sebagai pintu masuk persepsi niat gerakan tubuh manusia, banyak diterapkan dalam pelatihan biofeedback rehabilitasi medis, analisis gerakan olahraga kompetitif, evaluasi cedera ergonomis pekerjaan, serta kontrol gerakan diskret prostetik elektromiografi.
△
Berikut contoh tipikal~
Tahun 2019, departemen pengembangan inti Meta, Reality Labs, mengakuisisi perusahaan antarmuka saraf non-invasif CTRL-Labs.
Sebelum diakuisisi, CTRL-Labs telah merilis kit pengembang, berisi perangkat utama seukuran jam tangan dan komponen terikat berisi elektroda.
Melalui sensor elektromiografi 16 saluran, alat ini memantau sinyal listrik otot dari neuron motorik ke jari di pergelangan tangan, dan menggunakan algoritma AI untuk mendekode sinyal-sinyal ini, mengubahnya menjadi instruksi digital (seperti klik, geser, gerakan tangan, dll).
Dua tahun kemudian, Meta pertama kali mendemonstrasikan prototipe gelang antarmuka saraf Meta Neural Band berbasis teknologi CTRL-Labs, menunjukkan potensinya mengontrol antarmuka AR dengan menangkap sinyal saraf kecil, misalnya mengetik di udara, memilih menu, dll.
Waktu itu, Zuckerberg mengatakan, karena dapat merasakan dengan tepat niat pengguna yang bahkan belum melakukan gerakan, maka cara interaksi ini adalah "kontrol hampir tak terbatas".
Tahun lalu, kacamata pintar generasi ketiga Meta telah memperkenalkan gelang input saraf, pengguna dapat mengontrol antarmuka pada kacamata secara langsung melalui gerakan tangan (membayangkan menggeser, mengklik).
(Satu informasi sampingan: Gerakan "cubit" pada Apple Watch untuk konfirmasi, menutup jendela, dll, terutama berbasis sensor optik)
Berbeda dengan perhatian Meta yang bukan tentang bagaimana membuat orang lebih mudah mengklik, menggeser, atau memasukkan teks, pemikiran Qin Shentao terletak pada kondisi yang kurang dalam AGI Fisik.
Menurutnya, pertama-tama, data interaksi fisik berkualitas tinggi yang sangat kurang saat ini, telah menjadi kendala kunci bagi kemajuan robot kecerdasan terwujud.
Cara pengumpulan data terwujud saat ini masing-masing memiliki kelemahan, bisakah neuromuskular elektrografi dijadikan titik masuk untuk tambahan lebih lanjut?
Dan, memilih pengumpulan neuromuskular elektrografi mungkin dapat melewati perbedaan material dan sensor permukaan kontak spesifik, mulai dari sisi penggerak masing-masing manusia dan mesin, mencari satu set representasi gerakan bersama yang dapat menghubungkan aktivasi otot, kekuatan tendon, dan gerakan sendi.
Pengumpulan, Dimulai dari Satu Gelang
Tahun 2025, Qin Shentao yang sedang studi doktoral resmi merintis usaha, mendirikan OriginFlow, dengan visi membangun "landasan gerakan" di luar teks dan video untuk Physical AGI.
Tidak lama kemudian, tim mengusulkan sistem teknologi NeuroScale.
NeuroScale bukan sekadar menambahkan satu gelang elektromiografi pada perangkat pengumpulan data terwujud yang ada.
Ini adalah satu set sistem data dan model mulai dari akuisisi sinyal, rekonstruksi besaran fisika, representasi gerakan, hingga transfer lintas tubuh (cross-embodiment).
Sistem ini menggunakan antarmuka gerak saraf non-invasif sebagai pintu masuk sinyal, menggabungkan informasi multimodal seperti neuromuskular elektrografi, visual sudut pandang orang pertama, dan IMU, melalui model landasan PULSE merekonstruksi postur, gaya kontak, dan gaya penggerak dalam operasi manusia, dan mengorganisir satu operasi nyata menjadi Human Tokens yang dapat dipelajari mesin.
NeuroScale dalam jangka panjang memperhatikan dua masalah inti.
Pertama, Bagaimana mencapai Human Data Scale Up?
Yaitu sebisa mungkin tanpa mengganggu persepsi dan gerakan alami manusia, terus-menerus merekam operasi nyata, menghasilkan lebih banyak data interaksi fisik berkualitas tinggi.
Kedua, Bagaimana mencapai Cross-Embodiment Transfer antara Human dan Robot, agar pengalaman gerakan manusia setelah direpresentasikan dan disesuaikan, dapat masuk ke robot dengan struktur berbeda.
Di bawah dua masalah ini, masih ada masalah teknis yang lebih mendasar: Sebenarnya dalam bentuk apa gerakan manusia harus masuk ke dalam model dasar?
Teks telah membentuk representasi Token yang relatif matang, visual juga perlahan konvergen ke representasi Patch atau Latent, tetapi modalitas gerakan hingga saat ini masih kurang representasi standar yang diakui.
OriginFlow memecah satu operasi fisik menjadi tiga ruang yang saling terkait:
MotionSpace yang menggambarkan postur tangan dan lintasan gerakan
TactileSpace yang menggambarkan gaya normal, gaya tangensial, dan umpan balik kontak
TendonSpace yang menggambarkan gaya penggerak otot, tendon, dan torsi sendi
Gaya penggerak menghasilkan gerakan, gerakan membawa kontak, kontak akhirnya membentuk gaya kerja, ketiganya bersama-sama membentuk rantai sebab-akibat fisik.
Human Tokens yang disebut OriginFlow, dibangun di atas tiga jenis besaran fisika ini sebagai representasi gerakan.
"Dalam bentuknya, manusia dapat dilihat sebagai kasus khusus dalam ruang konfigurasi tubuh (embodiment). Oleh karena itu, transfer 'dari manusia ke robot', pada dasarnya adalah submasalah dari 'transfer lintas tubuh'." kata Qin Shentao.
Secara konkret, Human Data skala besar bertanggung jawab mencakup distribusi gerakan dan keterampilan manusia seluas mungkin; Cross-Embodiment Data yang relatif lebih kecil skalanya, tetapi dengan keragaman tubuh robot yang cukup, menyediakan titik jangkar penyelarasan antara manusia dan tubuh robot yang berbeda.
Setelah dua jenis data digabungkan, model memiliki kesempatan mempelajari satu set representasi gerakan bersama yang relatif terlepas dari tubuh tertentu, kemudian mengarahkan ulang segmen gerakan dan informasi kekuatan manusia yang sama, ke tubuh robot dengan derajat kebebasan dan cara penggerak yang berbeda.
Oleh karena itu, OriginFlow tidak berharap menyalin data operasi manusia langsung ke robot, tetapi pertama-tama mencari gerakan, gaya penggerak, dan hubungan kontak yang dapat dibagikan antara tubuh yang berbeda, baru kemudian menyelesaikan adaptasi dan pemetaan.
Dalam dunia nyata, NeuroScale dimulai dari satu gelang.
Gelang dinamai OriginKitGen 1.0, desainnya sedikit lebih lebar dari tali jam Apple Watch, tetapi secara keseluruhan volume lebih kecil dan berat lebih ringan.
Gelang bertanggung jawab mengumpulkan sinyal elektromiografi permukaan tingkat mikrovolt yang dikeluarkan oleh pengguna, sistemnya menggunakan akuisisi 16 saluran, aliran informasi sekitar 96KB per detik, dan melakukan pemodelan kontinu gerakan tangan.
Namun, penerapan NeuroScale tidak hanya bergantung pada gelang.
Hanya dengan gelang, sistem hanya dapat mengetahui perubahan aktivitas otot lengan bawah, tetapi sulit menilai apa artinya ini untuk jari secara spesifik.
Sinyal yang diambil OriginKitGen 1.0, akan masuk bersama informasi visual sudut pandang orang pertama, IMU, dll, ke dalam alur data NeuroScale.
Gelombang asli setelah disejajarkan, dikalibrasi, dan diproses, kemudian oleh model landasan buatan tim sendiri, PULSE, diekstraksi petunjuk yang terkait dengan postur tangan, lintasan gerakan, gaya kontak, dan kekuatan tendon— masing-masing sesuai dengan tiga jenis besaran fisika inti: Motion Space (ruang gerak), Tactile Space (ruang sentuh), dan Tendon Space (ruang tendon)— sisi perangkat keras melakukan penyaringan (filtering), diferensial, penekanan artefak gerakan, sisi model melakukan penyandian sinyal saraf dan pembelajaran dengan pengawasan kuat— secara bertahap diorganisir menjadi representasi gerakan yang dapat dipelajari mesin.
Inilah yang disebut tim sebagai Human Tokens.
Selama WAIC, Qin Shentao dan tim menunjukkan hasil tahap saat ini, demo versi PULSE 0.2:
Gelang bertanggung jawab mengumpulkan sinyal elektromiografi permukaan 16 saluran, PULSE menggunakan sinyal-sinyal ini sebagai input, melakukan pemodelan kontinu gerakan tangan, dan mengamati perubahan kekuatan dalam gerakan menjimpit (finger opposition).
Berbeda dengan pengenalan gerakan tangan diskret, PULSE berfokus pada pelacakan tangan kontinu dan representasi gaya ujung jari.
Saat pengguna melakukan gerakan menjimpit, sistem dapat mengamati perubahan kekuatan secara real-time.
Namun, merekonstruksi gerakan dari segmen sinyal saraf, tidak sama dengan telah memperoleh data yang dapat langsung digunakan untuk pelatihan robot.
Data mentah masih perlu melalui penyelarasan waktu multi-perangkat, kalibrasi individu, pemrosesan artefak gerakan, pemisahan tugas, pelabelan gerakan dan gaya, seleksi kualitas, serta pemetaan lintas tubuh.
Untuk itu, OriginFlow juga membangun satu set Data Infra yang mencakup produksi, pengolahan, evaluasi, dan pelatihan data.
Di antaranya, ORACLE menggunakan model multimodal untuk menyelesaikan pelabelan otomatis segmen gerakan, gaya, semantik, dan tugas; landasan penyatuan penuh-modal CHORD bertanggung jawab atas penyelarasan waktu dan representasi antara neuromuskular elektrografi, visual, IMU, bahasa, dan status robot.
Data juga akan melalui tahap kualitas seperti validitas fisik, validitas tugas, validitas pelabelan, nilai model, dan evaluasi robot fisik. Hanya data yang dapat menghasilkan nilai aktual dalam pelatihan model atau tugas robot, yang akan masuk ke dalam kumpulan data akhir yang dikirimkan.
Artinya, tidak hanya harus mengumpulkan data, tetapi juga harus mampu, dengan biaya marginal yang cukup rendah, mengolah sinyal mentah dalam jumlah besar menjadi aset data yang dapat dilatih, dievaluasi, dan digunakan kembali.
Dari Human Data Menuju Enhance Human
Demo PULSE 0.2 hanya menunjukkan sebagian kecil bisnis perusahaan, model itu sendiri juga hanya hasil sementara.
PULSE 0.3 yang sedang dalam pengembangan lebih jauh mengeksplorasi hubungan antara kekuatan tendon dan kinematika maju (forward kinematics) tangan.
Gelang yang disebutkan sebelumnya, juga hanya terminal pengumpulan saat ini, bukan bentuk produk akhir.
Bagi jalur yang bergantung pada pengumpulan jangka panjang dan skala besar, apakah perangkat dapat diterima secara alami oleh manusia, menentukan apakah data dapat terus dihasilkan.
Qin Shentao mengatakan, harus membuat orang mau memakai perangkat dulu, juga mau memakainya cukup lama.
Pada intinya, OriginFlow berharap sebisa mungkin tanpa mengubah cara persepsi dan gerakan asli manusia, terus-menerus merekam output gerakan manusia di dunia nyata, dan mengolahnya menjadi Physical Tokens.
Hanya dengan begitu, pengumpulan data dapat meninggalkan pabrik pengumpulan data dan stasiun kerja yang dibangun khusus, masuk ke kehidupan sehari-hari dan alur produksi nyata.
Saat itu, "data triliunan jam" yang saat ini masih jauh di bidang kecerdasan terwujud, hanya perlu merekam perilaku seluruh umat manusia selama sekitar sepuluh hari.
Qin Shentao menggambarkan proses ini sebagai pembesaran berkelanjutan Scaling data.
Menghadapi masa depan, kami akan mendorong skala Human Data multimodal penuh, dari puluhan juta jam, ratusan juta jam, secara bertahap menuju triliunan jam.
Dan pintu masuk fisik generasi berikutnya yang dibayangkan tim, akan secara bertahap bergerak menuju bentuk yang lebih ringan, lebih alami, dan lebih dekat dengan produk konsumen.
Dalam bayangan mereka, di masa depan, orang hanya perlu mengenakan kacamata, jam tangan yang memiliki atribut konsumen, atau gelang yang lebih ringan, untuk terus memodelkan diri sendiri dalam kehidupan sehari-hari, dan memperoleh kemudahan dari model pribadi.
△
Secara keseluruhan, hal yang dilakukan perusahaan OriginFlow saat ini, masih berada pada tahap pertama dari rencana pengembangan mereka sendiri.
Mereka merencanakan sendiri rute pengembangan tiga tahap—Tahap pertama, From Human (Dari Manusia), pertama-tama kumpulkan sebanyak mungkin bagaimana manusia bergerak, suling dan ubah pengalaman operasi manusia di dunia fisik secara sistematis menjadi data dan representasi yang dapat dipelajari mesin.
OriginFlow berharap tanpa mengganggu proses persepsi dan gerakan alami manusia, sepenuhnya memulihkan output gerakan manusia.
Seluruh skema pengumpulan selalu mengikuti prinsip non-invasif, memastikan manusia mempertahankan keadaan aslinya sementara gerakan dapat diamati dan direkonstruksi dengan tepat oleh sistem.
Tahap kedua, With Human (Bersama Manusia).
Tahap ini akan membangun perangkat keras AI generasi baru termasuk robot, dalam bentuk Always-on yang menyatu dengan pekerjaan dan kehidupan sehari-hari, membuat lebih banyak orang menikmati nilai yang dibawa oleh antarmuka (Interface) manusia-mesin generasi berikutnya.
Tahap ketiga adalah Enhance Human (Meningkatkan Manusia) yang menghadapi 10 hingga 30 tahun ke depan.
Tentu saja, dari satu demo gerakan menjimpit PULSE 0.2, hingga skala triliunan jam Human Data multimodal penuh, masih ada jarak verifikasi teknik yang panjang di antaranya.
One More Thing (Satu Hal Lagi)
Diketahui, perusahaan rintisan domestik seperti BrainCo, Octopus Power, SnowOrigin, Nianxiang Technology, Wujie Mailuo, Shouyi Technology, dll, juga menggunakan neuromuskular elektrografi untuk mengumpulkan data kecerdasan terwujud.
Artikel ini dari akun WeChat publik "QbitAI" (ID: QbitAI), penulis: Heng Yu
