当脑机接口进入具身智能：训练数据正在从“动作复刻”走向“意图—动作对齐”

具身智能正在进入一个越来越依赖数据的阶段。当模型架构、机器人本体与训练方法不断演进，一个更基础的问题开始浮出水面：机器人究竟应该学习什么样的数据？

目前大量具身智能数据采集仍建立在 “human-in-the-loop” 之上。操作员戴上VR头显、握住手柄，在虚拟环境中完成抓取、行走、避障等动作，系统记录视觉画面、关节状态、运动轨迹和交互结果，再将这些数据用于机器人训练。这样的路径解决了一个重要问题——人类复杂行为可以被相对低成本地采集、复制和迁移。

但它依然存在一个明显缺口：系统知道“人做了什么”，却并不知道“人在做之前想做什么”。

神舞科技发布的ND8S-VR具身神经-动作数据采集系统，试图把脑机接口引入这一数据链条。其核心并不是简单地在VR设备上增加脑电模块，而是在原有行为数据之外，同步采集脑电、眼电、肌电、血氧、姿态、声音和音视频等多模态信息，让人的神经状态、生理状态与外显动作处于同一条时间轴上，让训练数据从“行为复刻”，进一步走向“意图—动作”对齐。

这背后指向的，可能是脑机接口与具身智能结合时一个比“脑控机器人”更基础的问题：大脑是否能够成为具身智能的数据源。

01

具身智能的数据缺口，不只是“动作不够多”

从现有的 “human-in-the-loop” 采集方式看，机器获得的数据主要属于行为层。

一个人伸手拿起杯子，系统可以知道手移动了多远、手腕如何旋转、什么时候发生接触，甚至可以记录视觉输入与力觉反馈。但在动作真正发生之前，人其实已经完成了目标形成、注意分配、运动准备和动作选择。

也就是说，一次看似简单的抓取，本质上存在至少两个层次的信息：

第一层是外显行为——手最终怎么动；第二层是内部状态——为什么动、准备怎么动，以及动作过程中人的认知状态发生了什么。

传统具身数据采集擅长记录第一层，却很难直接观察第二层。

脑电能够在动作发生之前捕捉与运动准备相关的电活动。如果这类神经信息与随后的动作轨迹被同步记录，那么一条训练样本就不再只有“观察—动作”，而开始拥有“神经状态—行为”的联合信息。

这里需要区分一个重要边界：这并不意味着系统已经可以直接“读取人的思想”，更不意味着脑电能够完整解释复杂意图。它真正改变的是数据结构——过去不可见的内部状态，开始成为可以与行为同步分析的变量。

对于具身智能而言，这一点很关键。

因为两个外观相似的动作，背后的意图可能完全不同；两个意图相同的任务，也可能因为环境变化而产生完全不同的动作轨迹。仅仅拟合动作，很容易把“结果”当成“目的”。如果神经状态能够提供额外的信息维度，机器人训练所面对的就不再只是轨迹复刻，而有可能进一步研究行为背后的状态转换。

02

脑机接口与具身智能结合

不只是“脑控”，还有“对齐”

过去谈到脑机接口与机器人，最容易想到的是“用脑电控制机械臂”“用意念驱动机器人”。

但ND8S-VR展示的是另一条路径：脑机接口未必首先作为机器人的控制器，也可以成为具身数据采集系统中的一个传感器层。

这使二者的关系发生变化。

传统VR遥操作可以把人的动作映射给机器人；加入神经数据之后，系统有机会同时记录动作前、动作中以及动作后的内部状态变化。

例如，一个人在VR中听到指令后转头并回应，如果多模态数据位于同一时间轴上，研究者可以同时观察事件相关脑电活动、血氧变化、头部姿态改变以及声音回应。由此可以进一步追问：究竟是大脑先产生运动准备，还是身体先发生变化？认知负荷上升导致了动作迟缓，还是任务变难反过来增加了认知负担？

因此，脑机接口进入具身智能之后，一个真正值得关注的关键词可能不是“控制”，而是对齐。

把神经信号与动作对齐，把动作与环境事件对齐，把生理状态与任务结果对齐。

当这些变量共享毫秒级时间轴时，一段行为数据就开始拥有更完整的上下文：机器看到的不只是“这个动作发生了”，还可以进一步研究这个动作发生之前与发生过程中，人的状态如何变化。

从这个意义上说，神经数据的价值不一定在于直接替代视觉、力觉和运动数据，而可能在于为这些数据增加一个此前缺失的“内部状态坐标”。

03

真正重要的下一步:

从“记录数据”走向“闭环数据”

如果系统只是把脑电和机器人轨迹同时记录下来，它仍然只是一个更复杂的数据采集器。

ND8S-VR进一步强调的是“闭环”。

系统将脑电、血氧监测、虚拟现实和实时反馈结合起来，根据实时神经与生理状态动态调整场景、任务难度、刺激与反馈。人的状态影响环境，环境变化又继续影响人的下一步状态，由此形成连续循环。

这其实与具身智能本身的核心逻辑高度接近。

具身智能不是静态地“看一张图，然后给一个答案”，而是在环境中持续感知、行动、获得反馈，再根据反馈修正后续行为。人的自然行为也是如此。

当脑机接口进入其中，数据采集便可能从：

场景 → 人类动作

进一步变成：

场景 → 神经/生理状态 → 动作 → 环境反馈 → 新的神经状态 → 新动作。

这时候，采集到的不再只是一个个动作样本，而是一条连续的状态转移链。

对机器人而言，真正困难的往往恰恰不是完成一次标准动作，而是在环境发生变化之后知道下一步应该怎么办。闭环数据的意义，就在于保留这种“变化—反应—再变化”的过程。

04

脑机接口可能成为具身智能的“人类状态传感器”

从ND8S-VR目前呈现的能力看，它包括8通道科研级脑电采集、可调干电极、血氧监测、VR场景引擎、脑电+血氧+姿态+声音多模态同步、实时闭环反馈，以及本地与云端数据能力，并可接入NeuroAI群体跨模态数据平台。

如果把这些能力放进具身智能的数据链条，其价值可以概括为一句话：

过去机器人拥有越来越多感知外部世界的传感器，现在开始出现感知“操作者内部状态”的数据接口。

摄像头告诉机器人“人看到了什么”，动作捕捉告诉机器人“人做了什么”，力传感器告诉机器人“人施加了多大力量”，而脑电、血氧、肌电等信息则开始提供另一组变量：人在什么时候开始准备行动，什么时候认知负荷上升，什么时候进入疲劳，什么时候真正主动参与任务。

当然，这些指标与复杂人类意图之间并不能直接画等号。神经信号的价值也不是把人的全部思维翻译成机器可读文本。

更准确地说，它们为具身智能增加了过去长期缺失的一组隐状态观测量。

而一旦“人”本身也成为可以被多模态描述的动态系统，具身智能训练中的“human-in-the-loop”，就可能发生一次重要变化：过去，人只是机器人动作数据的生产者；未来，人自身的状态，也可能成为训练数据的一部分。

05

从Brain-Computer Interface

到Brain-Body-World Interface

这可能也是这套系统更值得关注的地方。

脑机接口长期关注“大脑—机器”之间如何建立通道，具身智能则关注“智能体—身体—环境”之间如何形成闭环。两条技术路线真正相遇之后，中间连接起来的实际上不再只有Brain和Computer，而是大脑、身体、机器与环境。

如果未来机器人不仅能够学习人“怎么做”，还能利用神经、动作、环境同步数据研究人“准备做什么”“在什么状态下做”“环境变化后如何调整”，那么具身智能的数据基础可能会从单纯的动作模仿，逐渐扩展到人类神经状态、身体行为与环境变化之间的联合建模。

这并不意味着机器人因此获得了“读心术”。

恰恰相反，其边界为：神经数据和生理数据天然敏感，所有应用都应建立在知情参与、数据脱敏和合规使用基础之上；系统的定位是训练辅助与科研测量，而不是窥探内心。

真正值得关注的，是一个更加现实的变化：当具身智能开始寻找比“更多动作轨迹”更高质量的数据，脑机接口第一次有机会从机器控制的末端工具，向数据生产的上游基础设施移动。

过去，我们试图让机器复刻人的动作。

现在，一个新的方向正在出现：让机器的数据第一次同时包含人的动作，以及动作背后的神经状态。

对于脑机接口而言，这意味着它的边界正在从“人如何控制机器”扩展到“机器如何理解人的状态”；对于具身智能而言，这则意味着训练数据的基本单位，可能不再只是一段轨迹，而是一次完整的“意图相关神经活动—身体动作—环境反馈”过程。

从动作数据到神经—动作数据，从单向模仿到闭环交互，这或许才是脑机接口进入具身智能之后，更值得关注的一步。

脑机接口社区是国内首家脑机接口(BCI)产业服务平台、国内脑机接口新媒体开创者与引领者。主要为企业、科研团队、投资机构和从业者提供以下服务：

宣传报道：图文、短视频、直播形式报道企业动态、技术解读、产品介绍等内容，提升曝光和行业影响力。

资源对接：根据需求匹配资本、供应链、临床机构、渠道方等资源，完成真实对接，促进合作。

成果转化：协助技术团队寻找产业方、投资人及落地场景，推动技术到产品的转化。

活动策划执行：承接线上线下路演、沙龙、论坛等活动的策划与执行。

其他定制需求：包括报告定制、市场调研、人才招聘支持等个性化服务。

合作洽谈，请联系微信：ZuoLeiLeiya

（备注：姓名-单位-合作）

投稿丨成为创作者，请联系微信：RoseBCI

不错过每一条脑机前沿进展

一键三连「分享」、「点赞」和「在看」

欢迎在评论区聊聊