具現知能のデータ収集に、新たなルートが加わった。
正式に紹介する前に、まずはちょっとしたクイズから始めよう。AI のことは考えず、資料も調べずに、5 秒以内で現在の具現知能におけるデータ収集方法をいくつ挙げられるだろうか。
実機の遠隔操作による収集、ロボット本体を必要としないポータブル収集（UMI/Ego）、シミュレーションによる合成データ、インターネット動画の蒸留。この4つが、最も主流な方法だ。
（順位不同、思いつくままに列挙）
さらに細かく分類すれば、長いリストを作ることもできる。
少なくとも、AI から得られた回答は次のようなものだった。皆さんも参考までに見てほしい。
最近、新たなルートが浮かび始め、徐々に注目を集めている。この方法は、データ収集の視点を外部から観測できる動作から、人体の運動出力側へとさらに広げるものだ。
それが、現在大きな注目を集めている神経筋電（sEMG、Surface Electromyography）方式である。
**OriginFlow（渊澈太初）**は、この分野で特に注目されているスタートアップの一つだ。
創業者兼 CEO の秦深涛氏は 2001 年生まれで、現在は清華大学車両・運載学院の博士課程に在籍している。
昨年8月、北京で OriginFlow を設立した。今年5月までに、同社はエンジェルラウンド、戦略ラウンド、Pre-A1 ラウンドの資金調達を相次いで完了したと発表しており、累計調達額は5億元（約100億円）を超える。出資者には BlueRun、Oasis、Monolith などが含まれる。
秦氏は次のように語っている。
現実の産業現場とモデルの間には、非構造化かつ高精度で、複雑なディテールを含む物理的インタラクション情報を、学習可能な表現へと抽象化する能力が欠けている。
そこで秦氏は起業し、Physical AGI のインフラを構築する道を選んだ。その一環として、神経筋電を具現知能のデータ収集における入口の一つにしようとしている。
秦氏によると、短期的には UMI 方式や Ego の一人称視覚方式などに対して、NeuroScale はあくまで追加的な手段である。しかし、意識させないデータ収集は、間違いなく将来の重要なトレンドになる。
新たな変革が生まれたとき、既存技術と協調しながら進化していくことが、より適切な戦略となる。
「神経インターフェース」で具現知能データを収集
まずは日常生活を起点に、OriginFlow が現在取り組んでいることを感じてみよう。
人がねじを締めたり、スープの入った器をしっかり持ったり、柔らかい物体を強く握ったりするとき、身体は実際の状況に応じて、絶えず微細なフィードバックを返している。
指はいつ締まり始めるのか。力をどのように強めたり弱めたりするのか……。人は通常、こうしたことを一つひとつ意識して考えているわけではない。それでもごく短時間のうちに、身体は接触、摩擦、重量、安定性に関する一連の判断を完了し、実行している。
OriginFlow は、この反応のレイヤーを記録し、具現知能データの一部として活用しようとしている。
この方向に賭けるようになった背景には、秦氏の学部時代の経験がある。
学部時代、秦氏はチームを率いて、出場可能なほぼすべてのロボット競技で優勝を果たした。その一方で、学部時代からさらに深く考えるようにもなった。
キーボード、マウス、音声は、いずれも人間と機械の最も直接的なコミュニケーション手段ではない。
人間の両手は、最も柔軟なツールだ。もし機械が手の動作の背後にある本当の意図を読み取れるなら、人間と機械のインタラクションはさらに進化する。
こうして、神経インターフェースが、人間と機械の融合に強いこだわりを持つ秦氏の視野に入った。
神経インターフェースが収集するのは、末梢運動神経に関連する体表面の電気信号（神経筋電信号）であり、脳と機械のインターフェースが抱える高い侵襲性、多数のチャネル数、脳領域との対応付けといった課題を回避できる。
神経筋電は誕生以来、長らく大学の研究室にとどまっていた。
その後、ワイヤレスセンサー、乾式電極、AI アルゴリズムが継続的に進化したことで、神経筋電は人体の運動意図を感知する入口として利用され始めた。現在では、リハビリテーション医学におけるバイオフィードバック訓練、スポーツ競技の動作分析、職業上の人間工学や疲労・障害の評価、筋電義手の離散的な動作制御など、幅広い分野で活用されている。
△画像は AI により生成
典型的な例を一つ挙げよう。
2019年、Meta の中核研究開発部門である Reality Labs は、非侵襲型神経インターフェース企業 CTRL-Labs を買収した。
買収前の CTRL-Labs は、開発者向けキットをすでに発表していた。これには、腕時計ほどの大きさのメインデバイスと、電極を備えた有線コンポーネントが含まれていた。
16チャネルの筋電図センサーによって、手首付近で運動ニューロンから指へ伝わる筋肉の電気信号をモニタリングし、AI アルゴリズムでその信号を解読する。そして、クリック、スワイプ、ジェスチャーなどのデジタルコマンドへと変換する仕組みだ。
その2年後、Meta は CTRL-Labs の技術を基盤とする神経インターフェース・リストバンドのプロトタイプ Meta Neural Band を初めて公開デモした。微細な神経信号を捉えることで、空中でのタイピングやメニュー選択など、AR インターフェースを操作できる可能性を示した。
当時、ザッカーバーグ氏は、ユーザーがまだ実行していない動作の意図まで正確に感知できることから、このインタラクション方式は「ほぼ無限のコントロール」を実現すると語っていた。
昨年、Meta の第3世代スマートグラスには神経入力リストバンドが導入され、ユーザーは手の動作（スワイプやクリックをイメージする動き）によって、眼鏡上のインターフェースを直接操作できるようになった。
（余談だが、Apple Watch の「ダブルタップ」による確認やウインドウの閉じる操作などの機能は、主に光学センサーに基づいている。）
人がより簡単にクリック、スワイプ、文字入力を行えるようにすることに注目した Meta とは異なり、秦氏が考えたのは、Physical AGI に欠けている条件だった。
秦氏によれば、まず、現在極めて不足している高品質な物理インタラクションデータが、具現知能ロボットの進化を制約する重要な要因になっている。
既存の具現知能データ収集方式には、それぞれ課題がある。神経筋電を切り口として、さらなる補完を行うことはできないだろうか。
また、神経筋電による収集を選べば、接触面の素材やセンサーの違いを回避できる可能性もある。人と機械それぞれの駆動側から出発し、筋肉の活性化、腱の発力、関節運動をつなぐ、共有可能な動作表現を見つけられるかもしれない。
収集は、一つのリストバンドから始まる
2025年、博士課程に在籍していた秦氏は正式に起業し、OriginFlow を設立した。そのビジョンは、Physical AGI のために、テキストや動画とは異なる「動作の基盤」を構築することだ。
ほどなくして、チームは NeuroScale 技術体系を提唱した。
NeuroScale は、既存の具現知能データ収集デバイスに筋電リストバンドを一つ追加するだけのものではない。
信号収集、物理量の再構成、動作表現、異なるロボット本体への転移を包括する、データおよびモデルの体系である。
この体系では、非侵襲型の神経運動インターフェースを信号入力とし、神経筋電、第一視点映像、IMU などのマルチモーダル情報を融合する。さらに PULSE 基盤モデルによって、人間の操作における姿勢、接触力、駆動力を再構成し、一つの実際の操作を機械が学習可能な Human Tokens に整理する。
NeuroScale は、長期的に二つの核心的な課題に取り組んでいる。
第一に、Human Data Scale Up をどのように実現するか。
つまり、人間の自然な知覚や運動をできるだけ妨げずに、実際の操作を継続的に記録し、より多くの高品質な物理インタラクションデータを生み出すことだ。
第二に、人間とロボットの間で Cross-Embodiment Transfer をどのように実現するか。
人間の動作経験を表現・適応させ、異なる構造を持つロボットへ移植することである。
この二つの課題の根底には、さらに基礎的な技術課題がある。人間の動作を、どのような形式で基盤モデルに取り込むべきなのか。
テキストではすでに比較的成熟した Token 表現が形成され、視覚も Patch や Latent 表現へと徐々に収束しつつある。一方、動作モダリティには、いまだ広く認められた標準的な表現形式が存在しない。
OriginFlow は、一つの物理操作を相互に関連する三つの空間に分解する。
-
手の姿勢と運動軌跡を表す Motion Space
-
法線力、接線力、接触フィードバックを表す Tactile Space
-
筋肉、腱の駆動力、関節トルクを表す Tendon Space
駆動力が運動を生み、運動が接触をもたらし、接触が最終的に作用力を形成する。この三者が、一連の物理的な因果連鎖を構成する。
OriginFlow がいう Human Tokens とは、まさにこの三種類の物理量に基づく動作表現である。
「形式上、人間は本体（embodiment）の構成空間における一つの特殊例とみなせます。したがって、『人間からロボットへ』の転移は、本質的には『異なる本体間の転移』という問題の一部です。」秦氏は語る。
具体的には、大規模な Human Data が、可能な限り広範な人間の動作とスキルの分布をカバーする。一方、規模は比較的小さいものの、ロボットの構成が十分に多様な Cross-Embodiment Data は、人間と異なるロボット本体との間のアライメント・アンカーを提供する。
この二種類のデータを組み合わせることで、モデルは特定の本体から比較的切り離された、共有可能な動作表現を学習できる可能性がある。そして、同じ人間の動作や発力に関する情報を、自由度や駆動方式の異なるロボット本体へリターゲティングできる。
つまり、OriginFlow が目指しているのは、人間の操作データをそのままロボットにコピーすることではない。異なる本体の間で共有できる動作、駆動力、接触関係をまず見つけ、そのうえで適応とマッピングを行うことだ。
現実世界において、NeuroScale は一つのリストバンドから始まる。
このリストバンドは OriginKit Gen 1.0 と名付けられた。デザインは Apple Watch のバンドよりやや幅広いが、全体のサイズはより小さく、重量も軽い。
リストバンドは、装着者が発するマイクロボルトレベルの表面筋電信号を収集する。システムは16チャネルでデータを収集し、情報のビットレートは約96 KB/秒。手の動きを連続的にモデル化する。
ただし、NeuroScale の実装はリストバンドだけに依存するものではない。
リストバンドだけでは、前腕の筋肉活動の変化は分かっても、それが指の具体的な動きとして何を意味するのかを判断するのは難しい。
OriginKit Gen 1.0 で収集された信号は、第一視点映像や IMU などの情報とともに、NeuroScale のデータパイプラインへ送られる。
生の波形はアライメント、キャリブレーション、処理を経た後、チームが独自開発した基盤モデル PULSE によって、手の姿勢、運動軌跡、接触力、腱の発力に関する手がかりが抽出される。それぞれ Motion Space（運動空間）、Tactile Space（触覚空間）、Tendon Space（腱空間）という三つの主要な物理量に対応する。
**ハードウェア側はフィルタリング、差分処理、モーションアーティファクトの抑制を担い、モデル側は神経信号のエンコーディングと強教師あり学習を担う。**こうしてデータを、機械が学習可能な動作表現へと段階的に整理していく。
これがチームのいう Human Tokens である。
WAIC の期間中、秦氏とチームは現時点での成果として、PULSE 0.2 版の Demo を披露した。
リストバンドが16チャネルの表面筋電信号を収集し、PULSE はこれらの信号を入力として手の動きを連続的にモデル化する。そして、指を合わせる動作における発力の変化を観測する。
離散的なジェスチャー認識とは異なり、PULSE が注目するのは、手の連続的なトラッキングと指先の力の表現である。
ユーザーが指を合わせる動作をすると、システムは発力の変化をリアルタイムで観測できる。
しかし、一連の神経信号から動作を再構成できたとしても、それがそのままロボットの訓練に利用できるデータになったことを意味するわけではない。
生データはさらに、複数デバイス間のクロック同期、個人ごとのキャリブレーション、モーションアーティファクトの処理、タスクの分割、動作と力のアノテーション、品質選別、異なる本体へのマッピングなどの工程を経る必要がある。
そのため OriginFlow は、データの生成、加工、評価、訓練をカバーする Data Infra も構築している。
その中で、ORACLE はマルチモーダルモデルを利用し、動作、力、意味、タスク区間の自動アノテーションを行う。全モダリティ統合基盤 CHORD は、神経筋電、視覚、IMU、言語、ロボットの状態の間で、時系列と表現のアライメントを担う。
データはさらに、物理的妥当性、タスクの有効性、アノテーションの有効性、モデルにとっての価値、実機評価などの品質チェックを順に通過する。モデルの訓練やロボットタスクにおいて実際の価値を生み出せるデータだけが、最終的に納品されるデータセットへと組み込まれる。
つまり、データを収集するだけでなく、膨大な生信号を、十分に低い限界コストで、学習・評価・再利用が可能なデータ資産へと加工できなければならない。
Human Data から Enhance Human へ
PULSE 0.2 で示されたのは、同社の事業のごく一部にすぎない。モデル自体も、現段階における成果の一つにすぎない。
現在開発中の PULSE 0.3 では、腱の発力と手の順運動学（forward kinematics）の関係をさらに探究している。
先ほど紹介したリストバンドも、現時点での収集端末にすぎず、最終的な製品形態ではない。
長期的かつ大規模なデータ収集に依存するルートにおいて、デバイスが人に自然に受け入れられるかどうかが、データを継続的に生み出せるかどうかを決める。
秦氏は、まず人にデバイスを身につけたいと思ってもらい、さらに十分な時間、装着し続けてもらう必要があると語る。
本質的に OriginFlow が目指しているのは、人本来の知覚や運動方式をできるだけ変えることなく、現実世界における人間の動作出力を継続的に記録し、それを Physical Tokens へと加工することだ。
それができて初めて、データ収集はデータ収集工場や専用に設けられた作業ステーションを離れ、日常生活や実際の生産プロセスへと入っていける。
そうなれば、現在の具現知能分野では手の届かない「1兆時間のデータ」も、人類全体の約10日間の行動を記録するだけで実現できる。
秦氏は、このプロセスをデータ Scaling の継続的な拡大と表現している。
未来に向けて、全モダリティの Human Data の規模を、数千万時間、数億時間から、段階的に1兆時間へと拡大していきます。
そしてチームが構想する次世代の物理的な入口は、より軽く、より自然で、より消費者向け製品に近い形態へと徐々に移行していく。
彼らの構想では、将来、人々は消費者向けの眼鏡や腕時計、あるいはより軽量なリストバンドを身につけるだけで、日常生活の中で自分自身を継続的にモデル化し、パーソナルモデルから利便性を得られるようになる。
△画像は AI により生成
総じて、OriginFlow が現段階で取り組んでいるのは、同社の発展計画における第一段階にあたる。
同社は、3段階の発展ロードマップを描いている。
第一段階は From Human。
まず人間の動作を可能な限り収集し、物理世界における人間の操作経験を体系的に蒸留・変換して、機械が学習可能なデータと表現にする。
OriginFlow は、人間の自然な知覚や運動プロセスに介入することなく、人間の動作出力を完全に再現することを目指している。
収集方式全体は一貫して非侵襲の原則に従い、人が従来どおりの状態を維持したまま、動作を正確に観測・復元できるようにする。
第二段階は With Human。
この段階では、ロボットを含む次世代の AI ハードウェアを構築する。Always-on の形で日常の仕事や生活に溶け込ませ、より多くの人が次世代の人間・機械インターフェース（Interface）の価値を享受できるようにする。
第三段階は、今後10年から30年を見据えた Enhance Human だ。
もちろん、PULSE 0.2 における一度の指を合わせる動作のデモから、全モダリティ Human Data を1兆時間規模に拡大するまでには、長いエンジニアリング検証の道のりが残されている。
One More Thing
報道によると、中国国内では強脳科技、章魚動力、SnowOrigin、念象科技、無界脈絡、手億科技などのスタートアップも、神経筋電を利用した具現知能データの収集に取り組んでいる。