AI开始"偷师"人体：95后博士用脑电+肌电训练世界模型
具身智能公司 FaceMind（脸谱心智）提出 Ego-NeuroLoop 数据范式：同步采集环境视觉、眼动、脑电（EEG）与肌电（sEMG）四路人体信号来训练世界模型，让 AI 直接向人类的大脑和肌肉"拜师学艺"。其循环世界模型论文 2026 年 7 月初登上 Hugging Face 论文热榜。
教机器人干活最缺的是数据，业界要么靠真机遥操作、要么靠仿真、要么看视频。两位 95 后博士陆弘远、韦怡然创立的 FaceMind（脸谱心智）给出了第四条路：别只看人做了什么，直接记录人体“怎么想、怎么发力”。
他们的 Ego-NeuroLoop 数据范式同步采集四路信号：头戴相机拍第一视角画面，眼动仪记录视线焦点，EEG（脑电）捕捉大脑活动，sEMG（表面肌电）读取肌肉发力。相当于把“看到什么、注意什么、想做什么、怎么用劲”打包成一条完整的证据链。
为什么要采集这些？因为机器人学人类动作时，光看外部视频学到的是“形”，学不到“劲”。同一个抓握动作，用多大力、哪块肌肉先发力，视频里看不出来，而肌电和脑电信号能补上这一层——这正是精细操作最难的部分。
配套硬件叫 NeuroMatrix，负责把多路信号同步采集下来；软件层 NeuroBooster 则把粗糙、异步、信噪比低的原始生理数据，整理成模型能消化的闭环时间轴。这一步是脏活累活，也是别人短期抄不走的护城河。
模型侧，他们提出 Looped World Models（循环世界模型），用参数共享的 transformer（一种神经网络结构）模块对环境状态做迭代式更新。相关论文 7 月初登上了 Hugging Face（全球最大的 AI 开源社区）的论文热榜。
把它放进具身智能的大图里看，这是“数据战争”的又一条新战线。真机遥操作贵、仿真有失真、纯视频学不到力，而人体生理信号提供的是最接近“人类直觉”的一层数据——如果能规模化采集和利用，价值不小。
冷静地说，这条路也有硬骨头。脑电信号信噪比低、个体差异大、采集设备笨重，量子位的报道里也没有披露具体的机器人任务提升数据。从“采到信号”到“真的让机器人更会干活”，中间还有很长的验证要走。
但方向足够撩人：如果世界模型真能从人的大脑和肌肉里学到预判与手感，那具身智能最缺的高质量数据，也许就藏在每一个人身上。