神经接口公司 OriginFlow 累计融资超5亿元，用肌电信号采集具身数据
初创公司 OriginFlow 用表面肌电传感器把人的肌肉动作变成机器可学习的数据，已融资5亿元，瞄准具身智能数据短缺问题。
主流具身数据采集方式有真机遥操作、便携采集、仿真合成和互联网视频蒸馏。新路线是神经肌电（sEMG，表面肌电）方案，直接捕捉人体肌肉活动信号。OriginFlow 成立一年多连续完成三轮融资，累计超5亿元，旨在用非侵入式神经接口为物理 AGI 构建动作数据。
正文摘录
- title: 00后清华博士生创业“神经接口”：把人类肌肉反应炼成Token - sourcecompany: 量子位 - bodymarkdown: 正式介绍之前我们来做个小互动：抛开AI、不查资料，5秒内能说出 现有的具身数据采集方式 有哪些？ 真机遥操作采集、无本体便携采集（UMI/Ego）、仿真合成数据、互联网视频蒸馏是最主流的四种方式。 近期，一种新的路线开始浮现并逐渐火爆，这种方式把数据采集的视线从外部动作，进一步伸向人体的运动输出侧。 这就是当下备受关注的 神经肌电 （sEMG，Surface Electromyography） 方案 。 去年8月，他在北京成立OriginFlow；截至今年5月，公司对外披露已连续完成天使轮、战略轮和Pre-A1轮融资，累计金额超过5亿元人民币，资方包括蓝驰、绿洲、Monolith等。 真实产业场景与模型之间缺少一层能把非结构化、高精度、细节复杂的物理交互信息抽象为可训练表征的能力。 秦深涛说，短期来看，对于UMI方案和Ego第一人称视觉方案等，NeuroScale更多是一种增量；但无感数据采集一定是未来重要的趋势。 人在拧紧一颗螺丝、稳稳端着一碗汤、攥紧一件柔软物体时，身体会根据实际情况不断给出微小反馈。 手指什么时候开始收紧？力道怎么增减？……其实人不会对这些问题逐一认真思考，往往在极短时间内，身体就能完成并执行一堆关于接触、摩擦、重量和稳定性的判断。 本科期间，秦深涛带队斩获几乎所有能拿的机器人竞赛冠军；也是本科期间，他有了进一步的思考： 键盘、鼠标、语音都不是人与机器最直接的沟通方式。 人类的双手是最灵活的工具，如果机器读懂手部动作背后的真实意图，人机交互将更上一层楼。 神经接口 采集的是外周运动神经相关的体表电信号 （即神经肌电信号），避开了脑机接口中高侵入、高通道数和脑区对应难题。