Ein Post-2000er-PhD-Student der Tsinghua-Universität gründet ein Startup im Bereich der neuronalen Schnittstellen: Menschliche Muskelreaktionen zu Token veredeln.

Für die Datenerfassung der verkörperten Intelligenz gibt es einen weiteren neuen Ansatz.

Vor der offiziellen Vorstellung machen wir eine kleine Interaktion: Lassen Sie KI beiseite und schlagen Sie keine Informationen nach – können Sie innerhalb von 5 Sekunden nennen, welche vorhandenen Verfahren zur Datenerfassung für verkörperte Intelligenz es gibt?

Die vier gängigsten Verfahren sind die Fernsteuerungserfassung mit echten Geräten, die tragbare Erfassung ohne eigenes Gerät (UMI/Ego), die simulativer synthetischer Daten und die Destillation von Internetvideos.

(Die Reihenfolge ist nicht wertend, ich habe sie willkürlich aufgelistet.)

Wenn Sie sie weiter detailliert klassifizieren, können Sie noch eine lange Liste erstellen.

Zumindest lautet die Antwort, die mir die KI gegeben hat, genau so – Sie können es selbst erleben.

In letzter Zeit taucht ein neuer Ansatz auf und erfreut sich zunehmender Beliebtheit: Er lenkt den Fokus der Datenerfassung von externen Bewegungen weiter auf die motorische Ausgabeseite des menschlichen Körpers.

Das ist der derzeit vielbeachtete neuromuskuläre Elektromyographie-Ansatz (sEMG, Surface Electromyography).

OriginFlow ist das beliebteste und am meisten beachtete Startup in diesem Bereich.

Gründer und CEO Qin Shentao wurde 2001 geboren und promoviert derzeit an der Fakultät für Fahrzeug- und Verkehrswissenschaften der Tsinghua-Universität.

Im August letzten Jahres gründete er OriginFlow in Peking; bis Mai dieses Jahres hat das Unternehmen nach öffentlicher Bekanntgabe aufeinanderfolgend Finanzierungsrunden in Form von Angel-Runde, strategischer Runde und Pre-A1-Runde abgeschlossen, mit einem Gesamtbetrag von über 500 Millionen Yuan. Zu den Investoren zählen LanChi, Oasis, Monolith und andere.

Qin Shentao sagte uns:

Zwischen realen industriellen Szenarien und Modellen fehlt eine Fähigkeit, unstrukturierte, hochpräzise und detaillierte komplexe physische Interaktionsinformationen zu abstrahieren, um sie zu trainierbaren Repräsentationen zu machen.

Deshalb gründete er selbst ein Unternehmen für die physische AGI-Infrastruktur und möchte die neuromuskuläre Elektromyographie als einen der Eingangspunkte für die Datenerfassung der verkörperten Intelligenz nutzen.

Laut Qin Shentao ist NeuroScale kurzfristig eher eine Ergänzung für UMI-Lösungen und Ego-Ego-Perspektiv-Lösungen; aber die berührungslose Datenerfassung wird definitiv ein wichtiger zukünftiger Trend sein.

Wenn neue Veränderungen eintreten, ist die geeignetere Strategie die kooperative Weiterentwicklung mit bestehenden Technologien.

Erfassung von Daten für verkörperte Intelligenz über „Schnittstellen zum Nervensystem“

Zuerst wollen wir uns anhand alltäglicher Szenarien vor Augen führen, was OriginFlow derzeit macht.

Wenn Menschen eine Schraube festziehen, eine Schüssel Suppe stabil halten oder ein weiches Objekt fest umgreifen, gibt der Körper je nach tatsächlicher Situation ständig kleine Rückmeldungen.

Wann beginnen die Finger sich zu schließen? Wie ändert sich die Kraft? … Tatsächlich denken Menschen nicht ernsthaft über jede dieser Fragen nach, sondern der Körper führt innerhalb sehr kurzer Zeit eine Reihe von Urteilen über Kontakt, Reibung, Gewicht und Stabilität durch und setzt sie um.

OriginFlow möchte die in diesem Prozess ablaufenden Reaktionen aufzeichnen, um sie als Teil der Daten für die verkörperte Intelligenz zu nutzen.

Der Grund, warum er auf diesen Bereich setzt, geht zurück auf die Zeit von Qin Shentaos Bachelorstudium.

Während seines Bachelorstudiums führte Qin Shentao sein Team an und gewann fast alle erreichbaren Meisterschaften in Roboterwettbewerben; in dieser Zeit entwickelte er auch weitergehende Gedanken:

Tastatur, Maus und Sprache sind nicht die direktesten Kommunikationswege zwischen Mensch und Maschine. Die menschlichen Hände sind das flexibelste Werkzeug. Wenn Maschinen die wahren Absichten hinter den Handbewegungen verstehen, wird die Mensch-Maschine-Interaktion auf eine neue Ebene gehoben.

Daher rückten Schnittstellen zum Nervensystem in den Blickkreis von Qin Shentao, der eine „Leidenschaft“ für die harmonische Koexistenz von Mensch und Maschine hat.

Die Nervenschnittstelle erfasst oberflächliche elektrische Signale im Zusammenhang mit peripheren motorischen Nerven (also neuromuskuläre Elektromyographiesignale) und vermeidet die Probleme hoher Invasivität, hoher Kanalzahl und der Zuordnung zu Gehirnregionen, die bei Gehirn-Computer-Schnittstellen auftreten.

Seit der offiziellen Einführung der neuromuskulären Elektromyographie ist sie lange Zeit auf Universitätslabore beschränkt gewesen.

Später, mit der Weiterentwicklung von drahtlosen Sensoren, Trockenelektroden und KI-Algorithmen, begann die neuromuskuläre Elektromyographie als Eingangspunkt zur Erfassung menschlicher motorischer Absichten eingesetzt zu werden, und wird breit angewendet in der Biofeedback-Training der Rehabilitationsmedizin, der Bewegungsanalyse im Leistungssport, der Bewertung von Verschleiß im beruflichen Arbeitsprozess sowie der Steuerung diskreter Bewegungen von myoelektrischen Prothesen.

△

Nehmen wir ein typisches Beispiel:

Im Jahr 2019 erwarb Reality Labs, die zentrale Forschungs- und Entwicklungsabteilung von Meta, das nicht-invasive Nervenschnittstellen-Unternehmen CTRL-Labs.

Vor der Übernahme hatte CTRL-Labs bereits ein Entwickler-Kit veröffentlicht, das ein Hauptgerät in Uhrengröße und ein verbundenes Modul mit Elektroden umfasst.

Es nutzt einen 16-Kanal-Elektromyographie-Sensor, um die myoelektrischen Signale am Handgelenk zu überwachen, die von motorischen Neuronen zu den Fingern geleitet werden. Mithilfe von KI-Algorithmen dekodiert es diese Signale und wandelt sie in digitale Befehle um (z. B. Klicks, Wischbewegungen, Gesten usw.).

Zwei Jahre später demonstrierte Meta zum ersten Mal öffentlich den Prototyp des Nervenschnittstellen-Armbandes Meta Neural Band, das auf der Technologie von CTRL-Labs basiert. Es zeigte das Potenzial, durch die Erfassung winziger Nervensignale AR-Oberflächen zu steuern, beispielsweise das Tippen in der Luft oder das Auswählen von Menüs.

Mark Zuckerberg sagte damals, weil es die Bewegungsabsichten des Benutzers präzise erfassen kann, noch bevor diese die Bewegung ausführen, sei diese Interaktionsform eine „nahezu unbegrenzte Steuerung“.

Im letzten Jahr hat die dritte Generation der intelligenten Brillen von Meta bereits das Nerven-Eingabearmband integriert, sodass Benutzer die Oberfläche der Brille direkt durch Handbewegungen (Vorstellen von Wischen und Klicken) steuern können.

(Eine zusätzliche Information: Die Bestätigung von „Zusammenkneif-Gesten“ und das Schließen von Fenstern bei der Apple Watch basieren hauptsächlich auf optischen Sensoren.)

Im Gegensatz zu Meta, dem es nicht darum geht, Menschen das Klicken, Wischen oder Eingeben von Text zu erleichtern, konzentrieren sich Qin Shentaos Überlegungen auf die fehlenden Voraussetzungen für die physische AGI.

Seiner Meinung nach sind erstens die derzeit extrem fehlenden qualitativ hochwertigen Daten für physische Interaktionen bereits zu einem Schlüsselfaktor geworden, der die Weiterentwicklung von Robotern mit verkörperter Intelligenz behindert.

Die derzeitigen Verfahren zur Erfassung von Daten für verkörperte Intelligenz haben jeweils ihre Nachteile. Können wir mit der neuromuskulären Elektromyographie als Ansatz eine ergänzende Lösung anbieten?

Darüber hinaus kann die Wahl der Erfassung über neuromuskuläre Elektromyographie die Unterschiede in Material und Sensoren an den spezifischen Kontaktflächen umgehen, von den jeweiligen Antriebsseiten von Mensch und Maschine ausgehen und eine gemeinsame Bewegungsrepräsentation finden, die Muskelaktivierung, Sehnenspannung und Gelenkbewegungen verbindet.

Die Erfassung beginnt mit einem Armband

Im Jahr 2025 gründete der noch promovierende Qin Shentao offiziell sein Unternehmen und registrierte OriginFlow mit der Vision, eine „Bewegungsbasis“ jenseits von Text und Video für die physische AGI aufzubauen.

Bald darauf stellte das Team das NeuroScale-Technologie-System vor.

NeuroScale ist nicht einfach das Hinzufügen eines myoelektrischen Armbands zu vorhandenen Geräten zur Datenerfassung für verkörperte Intelligenz.

Es handelt sich um ein komplettes Daten- und Modellsystem, das von der Signalerfassung, der Rekonstruktion physikalischer Größen, der Bewegungsrepräsentation bis zur Übertragung zwischen unterschiedlichen Körperstrukturen reicht.

Dieses System nutzt eine nicht-invasive motorische Nervenschnittstelle als Signaleingang, kombiniert multimodale Informationen wie neuromuskuläre Elektromyographie, Ego-Perspektiv-Vision und IMU, und rekonstruiert über das PULSE-Basismodell Haltungen, Kontaktkräfte und Antriebskräfte bei menschlichen Handlungen, um eine echte Handlung zu zu maschinenlernbaren Human-Tokens zu organisieren.

NeuroScale befasst sich langfristig mit zwei Kernfragen.

Erstens: Wie lässt sich das Hochskalieren menschlicher Daten (Human Data Scale Up) realisieren?

Das bedeutet, unter der Bedingung, dass die natürliche Wahrnehmung und Bewegung des Menschen so wenig wie möglich gestört wird, echte Handlungen kontinuierlich aufzuzeichnen und mehr qualitativ hochwertige Daten für physische Interaktionen zu erzeugen.

Zweitens: Wie lässt sich die Cross-Embodiment-Übertragung zwischen Mensch und Roboter realisieren, sodass die menschlichen Bewegungserfahrungen nach Repräsentation und Anpassung in Roboter mit unterschiedlichen Strukturen einfließen können.

Hinter diesen beiden Fragen verbirgt sich ein grundlegenderes technisches Problem: In welcher Form sollen menschliche Bewegungen überhaupt in Basismodelle einfließen?

Für Text gibt es bereits eine relativ ausgereifte Token-Repräsentation, für die Bildverarbeitung konvergieren die Formen allmählich zu Patch- oder Latent-Repräsentationen, aber für die Bewegungsmodalität fehlt bis heute eine allgemein anerkannte standardisierte Repräsentation.

OriginFlow unterteilt eine physische Handlung in drei miteinander verbundene Räume:

MotionSpace, der die Handhaltung und die Bewegungstrajektorie beschreibt

TactileSpace, der Normalkraft, Tangentialkraft und Kontaktfeedback beschreibt

TendonSpace, der Muskel- und Sehnenantriebskraft sowie Gelenkmoment beschreibt

Antriebskräfte erzeugen Bewegungen, Bewegungen führen zu Kontakten, und Kontakte erzeugen schließlich Kräfte – die drei Elemente bilden gemeinsam eine physische Kausalkette.

Die Human-Tokens, von denen OriginFlow spricht, sind genau die Bewegungsrepräsentationen, die auf diesen drei Arten von physikalischen Größen basieren.

„Formell kann der Mensch als ein Sonderfall im Konfigurationsraum der Körperstruktur (Embodiment) betrachtet werden. Daher ist die Übertragung „vom Menschen zum Roboter“ im Wesentlichen ein Teilproblem der „Übertragung zwischen unterschiedlichen Körperstrukturen“.“, sagte Qin Shentao.

Konkret ausgedrückt: Große Mengen menschlicher Daten decken eine möglichst breite Verteilung menschlicher Bewegungen und Fähigkeiten ab; relativ kleine Datenmengen zur Übertragung zwischen unterschiedlichen Körperstrukturen, die aber eine ausreichend vielfältige Roboter-Körperstruktur aufweisen, liefern Ausrichtungspunkte zwischen Menschen und verschiedenen Roboter-Körperstrukturen.

Wenn beide Datentypen kombiniert werden, hat das Modell die