脑电波或成实体AI训练新突破：数据稀缺性催生创新采集方式

美国Encord公司正探索将脑电波数据用于实体AI模型训练，以解决当前机器人领域面临的物理训练数据稀缺问题。该公司在加州圣莱安德罗的仓库中开展实验，训练员佩戴德国Zander Labs开发的脑电波头显，在执行堆叠积木等任务时同步记录脑活动，旨在通过分析错误、意图和惊讶等心理状态的神经信号，提升训练数据的有效性。Encord的机器人学习负责人Vineeth Velmurugan（前OpenAI及Berkshire Grey成员）指出，实体AI模型的主要瓶颈已从架构转向数据规模，需构建约为YouTube视频库五倍大小的数据集才能突破现有局限。除脑电波外，Encord还采用第一视角视频（结合多摄像头角度和肌肉传感器）、远程操控机器人等方式生成数据，并对视频进行密集标注（如“右手拧紧螺栓”），其价值据估为普通“低质第一视角数据”的100倍，生产成本则为20倍。目前，该公司已与多家头部机器人企业合作（具体名称未披露），通过全球工厂采集数据，并在圣莱安德罗基地针对特定技能（如咖啡倾倒、芯片堆叠、服务器网线插拔）进行精细化数据生成。尽管数据生成成本显著高于互联网文本采集，但Encord认为其行业洞察优势（可跨客户识别有效数据技术）将推动实体AI发展。