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

• 当前很多具身模型训练中“人”被弱化，模型识别物体和场景，却未必理解人类状态、意图、记忆和偏好。
• 第一视角数据被视为有价值，因为它天然包含感知、动作、环境反馈之间的闭环。
• 端到端和模块化不应被视为简单二分；复杂场景需要在系统不同层次引入语义表达和可解释性。
• 真实用户反馈被提出为评测具身智能的重要标准，因为标准化 benchmark 难以覆盖长期家庭场景。
• 数据来源包括互联网视频重建、低成本真实采集、真实用户部署反馈和高质量合成数据。

Human Model 提案与证据边界

• 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。

从第一视角观察到可执行控制

• 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。

关联

• 以人为中心的具身智能：这是该方向的核心观察入口。
• 具身智能数据基础设施：它补充了“数据本身不对”和“真实用户反馈形成闭环”的观点。
• 世界模型：物理世界行动及其后果理解是世界模型能力的一部分。
• MindSpace：Human Model 是其产品/研究草案中的命名和能力设想，不能与本页方向性概括视为同一已验证对象。
• 人体模型：偏人的身体状态与动作学习；与 Human Model 有交叉，但不是同义名称。
• 清华具身智能创业生态：冯瑶、刘淼与清华人工智能学院相关，构成同批清华创业线索的一部分。

证据

raw/2026-08-07-luyao-b001-05-独家｜两位清华教授联手创业，要打造以人为中心的具身模型范式-6c05e3a3.md

• 原始资料快照（本地归档）
• 原始资料快照（本地归档）

2026-08-26 enrich｜章鱼动力的人类数据入口

章鱼动力通过OctoSense、SynEMG、EgoBio（章鱼动力）和章鱼动力 Ego 数据采集路线把第一视角、肌电、外骨骼动作与触觉作为具身模型输入。这与以人类自然行为为训练来源的范式一致，但可穿戴生理信号只是行为相关线索，不能未经验证就提升为稳定“意图”标签；跨个体迁移、知情同意、数据权利和应用场景仍需逐项核验。

证据：原始资料快照（本地归档）。