具身智能领域的数据采集正迎来全新突破，一种聚焦人体运动输出侧的神经肌电方案正成为行业焦点。这种名为sEMG（Surface Electromyography）的技术通过捕捉肌肉电信号，为物理交互数据的获取开辟了新维度。在众多探索者中，由清华博士生秦深涛创立的OriginFlow公司凭借创新的技术路径引发资本关注，成立不足一年已完成三轮融资，累计金额突破5亿元人民币。
传统具身数据采集主要依赖真机遥操作、无本体便携设备、仿真合成及互联网视频蒸馏四种方式，但这些方法在数据精度与场景覆盖上存在局限。秦深涛团队提出的NeuroScale技术体系，通过融合神经肌电、第一视角视觉与IMU传感器数据，构建起包含运动空间、触觉空间和肌腱空间的三维物理模型。这种多模态采集方案能同时记录手部姿态、接触力及肌肉驱动力，将人类操作转化为机器可学习的"Human Tokens"表征。
核心技术突破体现在硬件与算法的协同创新。团队研发的OriginKitGen 1.0腕带采用16通道采集系统，信息传输速率达每秒96KB，可实时监测前臂肌肉活动。该设备重量仅相当于普通智能手表，却能通过非侵入式电极捕捉微伏级电信号。在数据加工环节，自主研发的PULSE基座模型通过神经信号编码与强监督学习，将原始波形转化为包含运动轨迹、接触力和肌腱发力的结构化数据。
资本市场的热烈反响印证了技术路线的商业价值。蓝驰、绿洲等知名投资机构的连续注资，不仅为技术研发提供资金支持，更推动数据基础设施的完善。团队构建的Data Infra平台涵盖数据生产、标注、评测全流程，其中ORACLE系统可自动完成动作语义标注，CHORD基座模型则实现多模态数据的时序对齐。经过物理有效性、任务有效性等五重质量筛选的数据集，已具备直接用于机器人训练的价值。
技术演进呈现清晰的阶段性目标。当前PULSE 0.2版本已实现对指动作的连续建模与发力追踪，正在研发的0.3版本将深入探索肌腱发力与运动学的关联。硬件形态也在持续优化，从实验性腕带向消费级产品迭代。团队设想中的下一代设备将集成于眼镜、手表等日常穿戴物中，实现"无感化"数据采集。这种设计理念源于对数据规模化的深刻认知——要达到万亿小时级数据积累，必须让采集设备成为用户生活的一部分。
跨本体迁移能力是该技术的核心优势。通过分离动作表征与机器人本体结构，系统可将人类操作经验适配到不同构型的机器人。这种解耦设计使单套数据能同时服务于多自由度机械臂、人形机器人等多种载体。实验数据显示，结合千万小时级人类数据与多样本机器人数据训练的模型，在跨本体任务中的适应效率提升40%以上。
国内创新生态的活跃为技术落地提供沃土。除OriginFlow外，强脑科技、章鱼动力等企业也在神经肌电领域展开布局，形成从信号采集到应用落地的完整产业链。这种集群效应正在推动具身智能向更精细的物理交互层面突破，为机器人理解复杂环境、执行柔性操作奠定数据基础。随着采集设备的消费级转化，人类日常行为数据将成为驱动物理AI进化的新燃料。
