Ego-NeuroLoop
Ego-NeuroLoop 是脸谱心智在2026年提出的一种人类操作数据范式。它把第一视角环境视频、视线、脑电和表面肌电同步到同一时间轴，试图记录人在任务中注意目标、准备动作、驱动肌肉、感知错误并修正行为的连续过程。其目标不是取代一般第一视角数据，而是为“人做了什么”补上与注意、动作准备和发力相关的身体信号。
数据链路
四类模态在方案中承担不同角色。世界相机记录任务环境和可见动作，视线提供注意落点，EEG可能包含动作准备、状态切换或错误相关成分，sEMG记录肌肉激活和发力变化。媒体材料把NeuroMatrix描述为同步采集装置，把NeuroBooster描述为进行跨模态对齐、信号增强和表征学习的模型。
这些信号都只是对内部过程的有噪代理。视线不等于目标，EEG模式不等于可执行意图，肌电也不直接对应机器人关节动作。要把它们变成训练资产，需要明确的任务标签、时间同步、信号质控、人体到机器人动作空间的映射，以及机器人部署时的成功率和安全评估。
与相邻路线的区别
OriginFlow公开的NeuroScale同步sEMG、IMU和第一视角视觉，并已把采集硬件Origin Kit和数据加工产品Origin Data列入官网；Ego-NeuroLoop额外强调gaze与EEG，但其硬件和数据产品尚未在脸谱心智官网形成相同程度的产品页面。OctoSense则在第一视角、肌电和外骨骼／触觉手套之间提供多种采集配置，并与章鱼动力自己的模型和灵巧手相连。
在学术对照中，EgoBrain已经公开第一视角视频、32通道EEG和IMU数据，用于受控动作分类，但不含gaze或sEMG，也没有验证完整的机器人反馈链。EgoMimic和UMI说明，即使不使用神经信号，从人类示范转向机器人控制仍需要动作代理、本体映射和真机数据。增加EEG或肌电不能自动跨越这一“embodiment gap”。
公开状态
截至2026年8月26日，Ego-NeuroLoop主要见于机器之心对公司方案的报道和后续融资叙事。脸谱心智尚未公开配套论文、数据集、数据卡、采集规格、专利、模型权重或机器人下游基准，也没有具名客户验收。
验证这一路线至少需要报告通道与采样规格、同步误差、跨人和跨日稳定性、伪同步对照、单模态与组合消融，并在相同机器人任务上与视觉／动作基线比较。若证据只显示人体状态或动作阶段分类改善，结论应停留在状态预测，不能提升为读取意图或生成可靠控制。
来源
- 原始资料快照（本地归档）
- 原始资料快照（本地归档）
- 原始资料快照（本地归档）
- 原始资料快照（本地归档）