全球科技公司正競相發展具身 AI。在這股浪潮中，特斯拉（Tesla）與輝達（NVIDIA）等全球科技巨頭正投入重金，致力於研發能自主感知周遭環境、進行任務推理並操作物品的機器人。然而，即使機器人能完成愈來愈多動作，教導機器人如何行動依然充滿挑戰，若要進一步讓機器人理解人類真正想要什麼，難度又更高。因此，即使機器人具備自主能力，如何準確理解人類的真實意圖，仍是具身 AI 發展的一項重大難題。
為了克服這個瓶頸，成立於 2015 年、被視為杭州高科技「六小龍」之一的腦機介面新創公司 BrainCo，近期在上海舉辦的世界人工智慧大會（WAIC）上，發表一款其宣稱為全球首個整合式「腦控機器人」平台。這套系統讓使用者不必移動任何肌肉，就能透過意念直接控制機器人。BrainCo 合夥人兼資深副總裁 Nyx He 對此指出，具身 AI 產業在機器人自主能力上已取得顯著進展，但他們相信，下一個決定性的前沿，在於機器人如何理解與它們共同工作的人類。
10 分鐘上手、200 毫秒傳達指令：BrainCo 如何把腦訊號變成機器動作？
這款標榜能拉近人機距離的平台，採用非侵入式腦機介面（BCI）技術。使用者操作時需要先戴上 EEG 頭戴裝置，透過放置在頭皮上的感測器，讀取大腦在思考時自然產生的微弱電訊號。接著，系統會利用 AI 演算法分析這些神經活動，判斷使用者當下想要執行的動作意圖，最後將這些意圖轉換為機器人可以執行的具體指令。
這套系統的運作依賴大量訓練資料，藉此建立特定神經活動與操作指令之間的關聯，再透過 AI 演算法找出腦中所想與機器動作的對應關係。一旦平台在電腦上完成腦訊號解碼，就能在 200 毫秒內把指令傳送給對接的機器人。為了推廣這項技術，BrainCo 特別強調其高度易用性，並宣稱大眾在短短 10 分鐘內就能掌握機器人的控制方式，且完全不需要任何腦機介面背景。
此外，該平台並不綁定單一機器人硬體，因此可以靈活連接第三方的人形機器人、機械手臂與機器狗。在首發展示影片中，一名缺少左手的使用者展示如何單憑意念遠端控制仿生手。在世界人工智慧大會現場，BrainCo 也展示如何依照操作者的腦訊號，遠端控制桌上型機械手臂與人形機器人，讓機械手臂能精準抓取杯子或蘋果等物品。
不只用意念控制機器人，BrainCo 更想蒐集「人類意圖資料」
BrainCo 團隊認為，這套平台更重要的價值，在於解決具身 AI 發展上最棘手的問題，也就是高品質真實世界訓練資料的匱乏。目前，機器人要學會執行複雜任務並理解真實環境，需要極為龐大的真實互動資料，而高品質資料短缺，正是當前整個機器人產業的主要瓶頸。滙豐銀行（HSBC）分析師在近期報告中也指出，中國人形機器人領域目前仍缺乏建立先進機器人大腦所需的高品質真實世界資料，這使得人形機器人的商業化仍需數年時間。
面對這項痛點，BrainCo 讓機器人在實際執行任務的同時，同步蒐集人類操作者的 EEG 腦電波資料，並將大腦訊號所反映的真實操作意圖，與機器的實體動作相連結。透過這種資料蒐集方式，系統不僅能執行單一步驟的抓取任務，還能透過訓練處理摺衣服這類更複雜的多步驟任務。
這套平台最大的優勢，在於能將真實世界中的機器人執行、人類示範操作與虛擬模擬技術相互結合，建立更具深度的訓練資料庫。隨著平台累積的實際使用資料愈來愈豐富，這些寶貴的真實意圖資料也能回饋至底層 AI 演算法，用來進一步微調並改善演算法表現。
從模仿動作到理解意圖：BrainCo 如何改變機器人學習方式？
隨著腦訊號加入，機器人訓練資料的維度也將產生本質上的改變。現有的具身 AI 訓練方法，多半著重於機器人如何感知外部環境、操作實體物品，以及自主完成特定任務，但這類訓練往往停留在物理動作的模仿。相較之下，BrainCo 希望將人類的腦訊號直接帶入機器人的訓練與操作流程，讓機器人接收到的訊號不再只是外在的物理動作示範，而是能進一步觸及操作者執行動作背後的真實「意圖」。
正如 Nyx He 所言，十年的腦機介面研究，讓他們有能力理解一個人的意圖，並將其轉化為機器動作。在這套架構下，腦機介面同時扮演兩種關鍵角色：一方面，它是將大腦意念即時轉換為機器指令的直覺操作媒介；另一方面，它也是一個資料入口，能將人類的真實意圖、示範動作與機器的最終執行結果緊密連接在一起。如此一來，將有助於推動機器人產業突破現狀，不再只是製造能力更強、力氣更大的機器，而是打造出能真正理解人類工作夥伴的智慧助理。
從展場走向商用，BrainCo 還要跨過準確率與穩定性兩道關卡
儘管這幅人機協作的藍圖十分美好，但要讓技術從展覽會場走入日常生活與工業場景，依然存在巨大的技術門檻。BrainCo 的非侵入式技術雖然可以避免手術風險與安全疑慮，其物理特性卻也帶來挑戰。由於穿透顱骨擷取到的腦電波訊號通常較為微弱，且極易受到周遭環境的雜訊干擾，因此，如何確保意圖辨識的準確性與系統的長期可靠性，仍是必須克服的核心關卡。
截至目前，BrainCo 尚未公布該平台實際運作時的詳細準確率、訊號穩定度與其他具體量化數據。現階段公開的展示案例，主要仍集中在特定且受控的場景中，例如用意念控制仿生手、抓取杯子與蘋果，以及遠端操作特定人形機器人與機械手臂。因此，這套系統接下來若要走向商用，仍必須在非受控的實際工作環境中，證明大腦訊號能夠持續且穩定地轉譯為機器的正確動作。
BrainCo 的腦控平台一方面把腦訊號轉換為機器指令，試圖從根本上改變傳統的人機操作介面；另一方面，也試圖把人類意圖、示範動作與機器執行結果串聯起來，補足具身 AI 所缺乏的高品質訓練資料。不過，要從受控展示走向工廠、倉儲與服務等實際應用場域，BrainCo 仍須證明非侵入式 EEG 能在充滿雜訊、需要執行連續任務，以及面對不同使用者的條件下，維持高度準確性與穩定性，才能真正實現技術承諾，進一步讓機器人更可靠地理解人類、學習複雜任務，並實現長期協作。
【推薦閱讀】
◆ 治好 AI 機器人「下班失憶症」，MIT DAAAM 技術讓機器人記住它去過的每個地方
◆ Apptronik 啟用「機器人樂園」，用資料工廠模式解決人形機器人訓練瓶頸
◆ 機器人模擬資料不夠逼真？MIT 用 3 個 AI Agent 直接「生」出來
＊本文開放合作夥伴轉載，資料來源：《SCMP》、《Interesting Engineering》、《Notebook Check》、《TechRadar》，首圖來源：BrainCo
