脑电波会是物理AI的下一个突破口吗？
纯靠喂视频数据给物理AI训练已经快到瓶颈了，现在很多前沿模型虽然能模拟动作，但缺乏对“意图”的底层理解。要让机器人真正像人一样灵活，可能得在多视角相机、高密度标注之外，引入脑电波（EEG）数据。
下一篇
Prefill-Decode 分离：别盲目跟风，先看你的请求分布 →
想象一下，如果训练集里不仅有动作录像，还同步记录了操作者在执行该动作时的脑电信号，AI 就能直接把“神经冲动”和“物理反馈”对齐，而不是在海量视频里猜人类是怎么想的。这其实就是一种极高维度的监督信号。
当然，目前最大的坑在于信号噪声太强，而且个体差异极大。目前的实操路径大概是：
一、通过非侵入式设备采集特定任务下的脑电波数据
二、利用大模型对神经信号进行特征提取和降维
三、将提取的意图向量作为 Reward 函数的一部分，引导物理AI的强化学习过程
如果能跑通这个工作流，AI Agent 操控实体硬件的精度可能会有量级上的提升。不过在设备轻量化之前，这套方案大概率还停留在实验室阶段。
