前沿科金社2026年08月19日 13:27消息，章鱼动力OctoSense肌电大模型实现千人泛化，外骨骼手套人机同构对齐。
换一个人，不向模型提供任何新数据，也不进行单独训练，肌电模型还能直接使用吗？
章鱼动力全球首次实现肌电跨个体零样本泛化，正式发布OctoSense三大数采方案，成功将人的动作与发力转化为可用于机器人训练的数据。这一技术突破为机器人学习人类动作提供了全新的数据采集与处理方式，标志着人机交互与智能控制领域迈出了关键一步。 此次发布的OctoSense方案在跨个体适应性方面表现出色，无需额外训练即可让机器人理解不同个体的肌电信号，极大提升了数据的通用性和应用效率。这不仅为机器人训练带来了更高的灵活性，也为医疗康复、工业自动化等领域的智能化发展提供了强有力的技术支撑。随着相关技术的不断成熟，未来有望在更多场景中实现人机协同的高效运作。
在世界机器人大会（WRC）前夕，章鱼动力公布了其最新成果：SynEMG肌电大模型首次在全球范围内面向具身数据采集实现了肌电跨个体零样本泛化，真正推动肌电技术从“一模一人”迈向“一模千人”。面对未进入训练集的新个体，该模型无需额外数据或增量训练，即可准确恢复手部姿态和发力状态，展现出强大的泛化能力。 这一突破不仅标志着肌电识别技术迈入新阶段，也为智能假肢、康复设备及人机交互系统带来了更广泛的应用前景。通过减少对个体数据的依赖，SynEMG肌电大模型有望降低使用门槛，提升用户体验，同时也为相关领域的技术普及提供了有力支撑。
围绕具身数据，章鱼动力正式发布OctoSense数据采集产品：以鱼眼头环、肌电手环和外骨骼同构数采手套为核心设备，推出OctoS-Ego、OctoS-EgoBio、OctoS-DexUMI三大数据采集方案。三大方案均已实现产品化，可进行实际体验。
鱼眼头环搭载四颗鱼眼相机，用于捕捉第一视角的视觉信息，并通过AINative双目空间大模型实现真实尺度和三维深度的重建。
肌电手环能够采集前臂的肌电信号，并通过SynEMG肌电大模型来还原手部的姿态与发力状态。这一技术的应用，为康复训练、智能假肢控制以及人机交互等领域带来了新的可能性。随着人工智能与生物信号处理技术的不断进步，这类设备正逐步从实验室走向实际应用，展现出广阔的前景。在提升用户体验和精准度方面，此类技术无疑具有重要的现实意义。
外骨骼同构数采手套能够直接采集人手在操作过程中的驱动数据，并且几乎无损地与灵巧手真机实现对齐。 这种技术手段在实际应用中展现出较高的精准度和适应性，为智能机械手的控制与交互提供了更加自然和高效的途径。通过直接获取人体动作数据，不仅提升了操作的流畅性，也为后续的算法优化和系统集成打下了坚实基础。随着这类技术的不断成熟，其在工业、医疗及服务机器人等领域的应用前景将更加广阔。
在SYNData模型算法与数据工程能力的支持下，三大方案所采集的视觉、肌电及其他传感器数据，经过物理信息还原、多模态对齐与分割、质量清洗以及语义信息提取，最终形成标准化、可追溯的数据集并交付给下游应用。
● 真正稀缺的不只是原始数据，更是可训练数据
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，无法进入训练。
章鱼动力正式提出具身数据的评估模型，其价值公式为：具身数据价值=物理完备度×场景多样度×采集规模×数据质量。
这四项不是相加，而是相乘。只要其中一项接近零，整体数据的价值就会被严重削弱。因此，具身数据系统必须同时解决：如何构建数据采集路径，以及如何将原始数据转化为可训练的数据资产。
● OctoSense：三种采集硬件，三大数采方案
OctoSense是一套以真实人类操作为核心构建的数字化采集产品体系。鱼眼头环、肌电手环以及外骨骼同构数采手套三种硬件分别针对不同的关键需求，通过不同组合方式，形成三大相互补充的数字化采集方案。
三大方案并不是互相替代，而是在行为自然度、采集规模、物理模态完整度与真值精度之间提供不同组合；通过不同的组合实现具身数据价值公式的最大化。
01｜SYNEMG肌电大模型：全球首次实现肌电跨个体零样本泛化
● 视觉难以获取遮挡下的手部姿态与真实发力
在实际操作过程中，手部常常被遮挡；即便动作能够被看到，视觉上也难以准确判断操作者是否用力以及用力的程度。 从实际应用的角度来看，这种现象确实给安全监控和操作评估带来了挑战。在一些需要精确控制或高度专注的场景中，仅依靠视觉手段往往难以全面掌握操作者的状态，这可能会影响对风险的及时识别与应对。因此，有必要结合其他技术手段，如传感器或动作捕捉系统，来更准确地了解操作过程中的实际状况。
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。
肌电手环：仅80克、前臂16通道电极阵列，手部完全裸露、零负担。这项技术在提升用户舒适度和操作便捷性方面取得了显著进展，尤其在可穿戴设备领域具有重要应用价值。轻量化设计与高密度电极布局的结合，不仅降低了设备对使用者的物理负担，也为更广泛的人机交互场景提供了可能。随着神经接口技术的不断演进，这类设备有望在医疗康复、智能控制等多个领域发挥更大作用。
● 肌电规模化的真正难题，是"换一个人还能不能用"
不同人的肌肉结构、皮肤状态、发力习惯并不相同。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，那么具身数据采集就很难进行规模化扩展。
SYNEMG肌电大模型彻底改变了这一状态。
章鱼动力采用大规模无标签的多通道时序信号进行自监督预训练，使模型首先学习跨个体和跨佩戴状态的通用肌电表征，随后将其应用于手势识别、连续手部运动恢复以及发力状态估计等任务。通过从不同信号分布中提取可迁移的共同特征，模型在面对个体差异、佩戴位置变化及长时间漂移时表现出更强的鲁棒性。
SYNEMG首次在全球范围内实现了基于具身数据采集的肌电跨个体零样本泛化，这一突破性技术为人工智能与生物医学领域的深度融合开辟了新路径。该技术在无需额外训练的情况下，能够有效适应不同个体的肌电信号特征，展现出强大的泛化能力。这一成果不仅提升了人机交互的智能化水平，也为个性化医疗、康复辅助等应用场景提供了有力支撑。随着相关技术的不断成熟，未来有望在更多实际场景中实现广泛应用。
零数据泛化技术让新用户在使用设备时无需提供额外的训练数据，也无需进行微调或标定，即可直接佩戴并正常使用。 这项技术的出现，标志着人工智能在个性化体验方面迈出了重要一步。它不仅提升了用户体验，也降低了技术应用的门槛，使更多人能够便捷地享受到智能设备带来的便利。在当前技术快速发展的背景下，这种“即用即享”的特性无疑具有很高的实用价值和推广潜力。
● 跨个体姿态恢复：同一模型可精准恢复不同个体的手部姿态和发力状态。
●精度再创新高：SynEMG在无需样本的跨人姿态重建任务中，误差降低50%，首次达到毫米级的绝对定位精度。
●端到端规模化：肌电技术的突破不再仅仅停留在“识别更准”的层面，而是真正实现了从“一模一人”向“一模千人”的跨越，推动具身数据的高效规模化采集。 在当前人工智能与人机交互技术快速发展的背景下，肌电技术的这一突破具有重要意义。它不仅提升了技术的普适性，也降低了个性化适配的成本，为更多应用场景提供了可行性。这种从“定制化”到“标准化”的转变，标志着技术正朝着更高效、更广泛适用的方向迈进。未来，随着数据采集效率的提升，相关技术有望在康复医疗、智能假肢、人机协作等领域实现更大规模的应用。
当鱼眼头环第一视角视觉与肌电手环结合，OctoS-EgoBio方案能够在手部被遮挡时继续恢复手部状态，并获得毫米级关节点与0.1N级主动发力，让一次操作不再只有"看见了什么"，还包含"手部如何运动"和"实际用了多大力"。同时因为手部保持自然裸露，具备超过传统真机采集方式1000倍效率的规模化潜力。
02｜外骨骼同构数据采集手套：使人体手部动作与发力，几乎无损传递至灵巧手真实设备
OctoS-Ego与OctoS-EgoBio适用于规模更大、场景更多样、行为自然度更高的采集需求，例如预训练数据采集；对于后训练等对物理真值要求更高的任务，外骨骼同构数采手套则进一步提升数据精度。
它能够同步记录整个手掌的接触力分布以及亚毫米级别的手部姿态。更为关键的是，外骨骼同构数采手套与章鱼动力自主研发的灵巧手在关节自由度和运动结构上保持一致，采集端与灵巧手本体采用一体化同构设计。
仿生外骨骼数采手套采用与自研灵巧手完全相同的结构设计，能够实现人手数据的近乎无损映射，为灵巧手提供高精度的控制输入。这种技术突破不仅提升了人机交互的自然度和精准度，也为未来智能穿戴设备的发展提供了新的方向。 从技术角度看，这种同构设计意味着在机械结构和运动逻辑上实现了高度一致，有助于减少数据转换过程中的误差，提升整体系统的响应速度和操作流畅性。对于实际应用而言，无论是工业操作、医疗康复还是虚拟现实领域，这种高精度的数据映射都能带来更真实的体验和更高的效率。
为什么"同构"比单纯的"高精度"更重要
通常，除真机遥操采集外，无本体操作数据要被机器人使用，需要经过跨本体重定向（Retargeting）：将手部动作转换到关节数量、自由度、运动范围和结构都不尽相同的灵巧手上。这个过程会引入形变与误差，动作可以被"掰"过去，但原始接触关系、力分布和精细关节状态很难完全转换。
这就是RetargetingGap，它并非通过增加后处理步骤就能完全解决的问题，而是由于采集端与执行端在结构上的差异所导致的固有损失。
外骨骼同构数采手套从源头消除这道鸿沟：人手作为动力驱动数采手套完成操作，当数采手套与灵巧手完全同构，那么采集得到的操作数据就能与灵巧手以近乎1:1的关系对齐。
鱼眼头环与外骨骼同构数采手套组合形成的OctoS-DexUMI方案，其价值不只是"采得更准"，更是让灵巧操作数据从采集之初就成为灵巧手能够直接使用的数据。
03｜鱼眼头环：四颗鱼眼显著减少手部出框，鱼眼双目大模型提供真实三维尺度
具身操作不仅仅涉及动作的执行和力量的运用，还要求操作者能够感知周围环境，明确目标位置，并理解自身与周围物体之间的空间关系。 在实际应用中，这种对环境的感知和空间的理解至关重要，它不仅影响操作的效率，也直接关系到任务的成功与否。随着技术的发展，如何让机器或系统更好地具备这种“具身智能”，成为当前研究的重要方向。这不仅是技术层面的挑战，更是对人类认知方式的一种深入探索。
单颗普通广角相机的视角范围有限，当双手进行大范围移动时容易超出画面；此外，单目图像缺乏尺度信息，难以准确还原真实空间中的尺寸和距离。
章鱼动力头环集成了四颗鱼眼相机，其中前方两颗、左右两侧各一颗，形成约330°x150°的大视场，能够全面覆盖双手、操作对象以及周围环境。这种设计在走动、转身、伸手取物等移动操作中，有效降低了手部离开画面的可能性，提升了操作的可视性和安全性。 从技术角度看，这种多视角的视觉系统为智能设备或自动化操作提供了更全面的环境感知能力，有助于提升人机协作的效率与准确性。在实际应用中，这样的设计不仅增强了操作者的控制感，也为未来更复杂的交互场景打下了基础。
前视两颗鱼眼组成立体双目系统，基线为60mm。借助AINative双目空间大模型，系统能够基于鱼眼图像恢复真实尺度与三维深度，并在保留大视场的同时实现毫米级深度估计精度，为手部、物体和环境之间建立真实三维尺度。四鱼眼解决"看不全"，前视双目解决"量不准"。
Ego头环：环形布局集成四颗鱼眼相机，前视两颗兼作双目
04｜SYNData：模型算法与数据工程，让采集数据成为标准化数据集
硬件决定数据采不采得到，SYNData决定采回来的数据最终能不能用。
SYNData不只是一个数据处理平台，而是一套由模型算法和数据工程共同支撑的数据系统。它从图像、肌电和其他传感器信号中计算操作的物理状态与语义信息，并进一步完成多模态对齐、切片、清洗和组织，最终形成标准化、可追溯的数据集。
经过SYNData处理，OctoSense三大方案采集的数据不再只是零散的视频和传感器信号，而是物理信息更加完整、多种模态相互对应、质量结果有据可查，并可供下游检索和复用的数据资产。
OctoSense负责全面记录实际操作过程，SYNData负责对多模态采集的数据进行计算和整理，形成可用的数据集。
● 从"采集一次真实操作"，到"沉淀一段机器人经验"
具身数据价值由物理完备度、场景多样度、采集规模和数据质量共同决定。这一公式为理解数据在实际应用中的价值提供了清晰的框架。在当前技术快速发展的背景下，数据的价值不再仅取决于数量，更在于其全面性、适用性和准确性。只有在多样化的场景中，通过大规模的采集，并保证高质量的数据，才能真正发挥数据的潜力。这种系统性的评估方式，有助于推动人工智能和智能系统的发展，使其更加贴近现实需求。
SYNEMG肌电大模型在跨个体泛化方面取得突破，使肌电信号的应用不再依赖于逐人训练和标定；外骨骼同构数采手套则有效解决了跨本体对齐的问题，使得无本体操作的数据能够几乎无损地传输至灵巧手真机；四鱼眼头环通过双目视觉补全第一视角的视觉信息和三维尺度；SYNData则借助模型算法与数据工程，将多模态采集的数据转化为标准化、可追溯的数据集。 从技术发展角度看，这些创新不仅提升了智能设备的适应性与灵活性，也大幅降低了系统部署和维护的成本。尤其在医疗康复、工业自动化等领域，这种无需个性化调整的技术方案具有重要的现实意义。随着数据标准化和多模态融合能力的提升，未来人机交互将更加自然、高效，推动智能设备向更广泛的应用场景拓展。
OctoS-Ego、OctoS-EgoBio 和 OctoS-DexUMI 三种方案分别满足多样化的数据采集需求，SYNData 为这些方案提供统一的数据计算、处理与交付能力。两者协同作用，将一次真实的操作过程转化为机器人可使用的数据。
让肌电信号跨越个体差异，使人类操作数据能够几乎无损地与真实机器对齐，让每一次实际操作都成为机器人可学习的宝贵经验。
