脸谱心智提出Ego-NeuroLoop范式，用脑电肌电数据训练机器人世界模型
将人类操作中的预测-修正闭环转化为机器人训练数据，使机器人能应对真实世界变化。
机器人训练通常只记录动作结果，但人类执行任务时大脑会预测、修正。脸谱心智同时采集视觉、视线、脑电和肌电信号，将预测-执行-修正的闭环压进同一时间轴，让机器人学会像人一样根据反馈调整行为，而不仅仅是模仿轨迹。
正文摘录
过去一年，第一视角视频成了机器人训练的主流燃料。人戴上相机做饭、整理桌面、开抽屉，就能产出大量操作样本。 这些视频只记录了人做了什么，没有记录人为什么这样做，更没记录动作执行中大脑和身体如何实时修正。 这家由两位 95 后博士创立的公司，提出了一套全新的 Ego-NeuroLoop 数据范式。 它同时采集四类信号，把人类完成一个动作时“看哪里、准备做什么、肌肉怎么发力、反馈怎么修正”的完整闭环，压进同一条时间轴。 配套的硬件方案 NeuroMatrix 负责降低采集门槛，信号处理层 NeuroBooster 负责把噪声拉满的原始数据对齐成模型能“吃”的格式。 神经科学里有一条被反复验证的理论，叫 “贝叶斯大脑” ，常和预测处理、自由能原则放在一起讨论。 它的核心思想是，大脑不是被动接收信息的容器，它一直在 主动预测 。基于过去经验和当前上下文，大脑会对外部世界和身体状态生成概率化预期，再拿感官反馈去校准。 你下一秒会看到什么、手伸出去会碰到什么，目标还在不在刚才那个位置，大脑全在提前算。 真实感官输入回来后，预测和现实一对比，差值就成了预测误差。误差推着内部模型往前更新。 AI 里的世界模型研究 环境如何随动作变化 ，大脑做的事很像，只不过人类这套系统天然和身体长在一起。视觉、视线、触觉、本体感觉、肌肉反馈、注意力、误差信号，全跑在同一条链路上。 机器人要进入厨房、仓库、实验室、家庭这样的真实场景，光有视觉识别和动作模仿还不够。 真实世界会滑、会挡、会变、会突然打断任务。目标怎么选，动作什么时候启动，偏差出现后怎么修正，失败了怎么换策略，这些能力单靠一段视频学不到。 过去一年，ego-centric、human-centric 数据成为具身智能的主流燃料。 相比之下，人类第一视角数据的采集门槛低得多，一个人戴上相机做饭、整理桌面、开抽屉、拿工具，就能产出大量原始任务素材。