以人为中心的具身模型范式

human-centric 具身模型范式把“人”从环境背景变量推进为机器人需要建模的交互主体。它是一组正在形成的研究与产品问题：具身智能的瓶颈不只是模型或硬件，也包括能否获得真实、连续、带有授权和明确标签的人类行为及反馈数据。这里的“范式”是方向性概括，不表示学界已经形成统一定义或公认代际。

观察

MindSpace 创始人在 2026-08-04 的私聊中把 Human Model（人类模型）提出为 LLM、World Model 之外的“第三条基础方向”，并设想同步记录第一视角视觉、脑电/肌电/心电等神经生理信号和行动选择。这应记录为 MindSpace 的产品/研究框架，而不是公认学术分类、已确立的新模型代际或已验证产品能力。
多模态同步可以支持时间对齐、模态消融和行为预测，但同步观察本身不等于读取意图、动机或心理状态，也不能识别“感知→神经表征→意图→行动”的因果链。因果与意图主张需要明确标签、跨被试/场景外推、伪同步对照、校准/拒答和随机化干预。
EgoBrain 提供的是更窄的相邻证据：61 小时、40 名参与者、29 类受控日常动作的第一视角视频与 32 通道 EEG 动作分类，官方数据页另含 IMU；它没有 EMG 或 ECG。论文中的融合增益不能外推为潜在意图读取、神经中介识别或真实机器人闭环。
Mental World Modeling、InteRACT 和 Machine Theory of Mind 等工作说明“建模人的心理状态或动作响应”已有相邻研究，但其验证分别受限于人工故事、小规模交互数据或 gridworld agent，尚不足以把 Human Model 宣布为成熟统一范式。

第一视角数据的价值需要按层次写：Ego4D 可提供视觉／价值先验，Ego-Exo4D 可支持三维手轨迹与技能分解，EgoMimic 和 Universal Manipulation Interface 再把人类示范映射到 pose 或末端轨迹。
当前公开成功路线仍需目标机器人示范、运动学约束或本体专属控制头。人类观察数据并不直接等于机器人 action，也不能因为同步了 gaze、EEG 或其他人体信号就跳过 embodiment 对齐。
部署后的人工纠正是另一类人本数据：它记录机器人何时需要人接管，而不是从视频推断人的潜在意图。