换一个人，不给模型任何新数据，不做个体训练，肌电模型还能直接用吗？

在世界机器人大会（WRC）前夕，人工智能企业章鱼动力宣布，其肌电大模型面向具身数据采集实现肌电跨个体零样本泛化，面对没有进入训练集的新个体，模型无需新增个体数据、无需增量训练，即可恢复手部姿态和发力状态，从而让肌电从“一模一人”走向“一模千人”。

在真实场景下，手部经常被遮挡，视觉难以获取遮挡下的手部姿态与真实发力，即使动作可见，视觉也很难直接判断操作者发力大小。

而肌电信号来自肌肉活动，并先于可见动作出现。它能够为模型补充两类视觉难以获取的信息：遮挡下的手部姿态和手部发力状态。但与此同时，不同人的肌肉结构、皮肤状态、发力习惯并不相同。

据了解，传统肌电模型通常围绕固定用户和固定任务训练，这让肌电长期停留在“小规模实验状态”，如果每增加新个体，都要新增一轮个体数据、训练和校准，使得具身数据采集难以规模化扩展。

基于此，章鱼动力以大规模无标注多通道时序信号进行自监督预训练，让模型先学习跨个体、跨佩戴状态的通用肌电表征，再迁移到手势识别、连续手部运动恢复和发力状态估计等任务。从不同信号分布中学习可以迁移的共同结构，从而对个体差异、佩戴位置和长时间漂移保持鲁棒。

此外，外骨骼同构数采手套解决跨本体对齐，让无本体操作数据近乎无损直达灵巧手真机；四鱼眼头环以双目补全第一视角视觉和三维尺度；SYNData则通过模型算法与数据工程，将多模态采集数据转化为标准化、可追溯的数据集。

当前，具身智能的数据采集规模正在快速增长，但总量增长并不等于模型能力同步增长。大量原始数据会因为多模态时间戳错位、三维尺度漂移、遮挡下的姿态与力信息缺失、标注不完整等问题，无法进行训练。

为此，章鱼动力提出具身数据的价值公式，即具身数据价值为物理完备度、场景多样度、采集规模、数据质量相乘，只要其中一项接近零，数据的整体价值就会被大幅削弱。该价值公式试图回答如何构建数据采集路径、如何将原始数据处理为可训练的数据资产的问题，旨在让每一次真实操作用于机器人学习。