傅利葉構建多維數據集：腦機+外骨骼+人形機器人！ 推動智能康養

目前，在臨床康復場景中，重癥患者由于功能受限，往往難以自主完成訓練。同時，康復有效性量化難、訓練枯燥、缺乏持續激勵與反饋等問題仍然存在。

這些挑戰并非源自單一的設備性能不足問題，而是「中樞指令-外周執行-感覺反饋」這一完整的神經閉環尚未被完全打通。

在昨日（1月28日）的第二屆傅利葉具身智能生態大會上，該公司面對此類問題給出了新型解決方案——將腦機借口引入康復智能機器人，構建腦機具身智能康復港。

傅利葉創始人兼CEO顧捷表示，腦機技術的結合，為康復的訓練評估增加了一個維度。通過腦機與例如下肢外骨骼機器人的結合，可以實時采集腦電信號，讓機器人能夠學會理解人的意圖，實現「大腦控制」與「肢體控制」的高度耦合。

康養領域：

具身應用的萬億級市場

顧捷介紹稱，康養產業的天花板極高，從康復醫院、養老院，護理院，再到未來的家庭場景，加起來是一個萬億級的市場。

但是，面對令人興奮的藍海以及迫切的需求，他卻認為，具身智能在此領域的深度應用，仍需要漫長的驗證。

“康復從來都不是一個技術的問題。這10年來，我們看到的康復科，是一個非常嚴肅但又極具人情味的地方，它關乎了科學、堅持、功能恢復，也關乎信心和陪伴?！?/p>

他表示，盡管技術在迭代，但要想讓機器人能夠全面主動地理解人的需求，不能指望一時的技術爆發。

目前，傅利葉售出的外骨骼機器人已達到萬臺，足以證明其臨床和商業價值。

而在未來，人形機器人在康養領域或許能實現更多應用，包括訓練互動和情感陪伴等方面。

“例如，當機器人擁有一定的操作能力，就可以與患有認知障礙的患者進行反復訓練，加快大腦神經重塑的過程；而且我們在看到很多論文中也看到，自閉癥的孩子或許不太愿意與人接觸，但卻愿意接觸機器人?！?/p>

而且，人形機器人可以模擬人類的標準化動作，讓患者不斷地跟隨練習，就像給人類做強化學習一樣，有助于提升患者動作的精準度與協調性，加速神經肌肉功能的恢復進程，具有很高的臨床價值。

腦機技術的關鍵變化

在活動現場，顧捷宣布傅利葉將腦機接口技術引入具身智能康復港，構建「意圖-執行-感知反饋」閉環訓練機制——以大腦中樞驅動，康復機器人輔助執行，通過非侵入式采集腦電信號并解碼，轉化為指令驅動設備訓練，誘導神經重塑。

顧捷表示，傳統的康復靠設備帶動肢體，大腦參與度低，易陷入無效訓練。而依據神經可塑性等理論，人機協作訓練能同步激活特定神經回路，強化突觸連接，促進神經通路重構。臨床共識也表明，患者主動參與的人機協作訓練效果更優。

當患者穿戴「腦電帽」產生運動想象，多通道電極陣列實時采集腦電信號，AI算法識別意圖后驅動機器人帶動下肢步態訓練，實現「大腦想動」與「肢體即動」的緊密耦合，刺激神經系統重建神經通路。

“其實早在2017年，我們就已經在內部啟動了腦機接口和外骨骼的預研。但當時還存在很多工程瓶頸，比如信號的噪聲高，穩定性不足，難以規模化部署等。”

顧捷稱，直到近兩年，傅利葉終于看到了兩個決定性的變化——

1、腦機硬件逐漸成熟，設備趨于輕量化和模塊化：非侵入式腦機從原來的單一采集腦電信號，轉向如今的近紅外采集，未來還有望實現多通道超聲等信號采集方案。其抗干擾性、便攜性、準確性都在不斷提升，并且已進入量產階段。

2、大模型能夠改變未來腦機信號的處理方式——以前處理腦電信號要依賴頻譜分析、FFT（快速傅里葉變換）和SSVEP（穩態視覺誘發電位）等傳統處理方式，這些方式在處理一些非線性信號時，能力非常有限。

而基于大模型，可以讓腦機接口做出意圖分類，最終實現意圖解碼。

“如今，腦機接口首次具備了主動交互的工程基礎，我們才慎重地作出決定，將其真正引入康復港的臨床案例。”

通過腦機與康復設備深度融合，可以彌補傳統康復在早期介入、訓練有效性與評估精度上的短板，還能同步監測多項數據，為訓練專注度和康復效果提供量化依據，也可以覆蓋全康復周期。

“當患者在訓練過程中產生了運動意圖，但肌肉水平又難以執行的時候，機械能夠為腦機識別到的意圖提供助力，完成中樞到外周的完整閉環訓練。這并非10年以后的概念，而是我們在1-2年內明確會規?；涞氐漠a品方向?！鳖櫧菡f道。

以全新交互范式

打造新型數據集

“目前在全球范圍內，腦機技術和具身智能是缺乏大規模數據集的，也缺乏相應的軟硬件基礎設施。我們非常清楚，這不是一件可以被快速驗證的事情，它需要有足夠的耐心、長期的技術積累、數據積累，也需要跨學科的持續協作…這會對人機交互的范式產生顛覆性的變化，它使得我們有足夠的熱情投入這一領域?！?/p>

顧捷稱，腦機作為一個中樞控制器，未來將可實現遙控或者遙操作一部分機器人，但這還要經歷很漫長的過程，傅利葉目前是要做好基礎設施。

據了解，傅利葉的機器人均具備數據采集裝備，并將結合腦機建立新型數據集?！坝辛藬祿湍軌蛑酪鈭D的分類，才能夠帶來真正的控制和臨床價值。”

“原來我們是讓遙操員穿戴外骨骼，或者用其他裝備去操控機器人來采集數據。但如果結合腦電信號做同步采集的話，這其中就加了一個時間戳，比如我伸手時，就知道了這段腦電對應的是伸手動作，而抬胳膊時對應的是另外一段腦電數據，這樣就天然進行了標注，形成閉環。”

顧捷表示，傅利葉將與合作機構共同打造數據集，形成新的標準，并在未來開源。

在活動現場，傅利葉宣布將聯合上海交通大學醫學院附屬瑞金醫院、復旦大學類腦智能科學與技術研究院、天橋腦科學研究院、國家地方共建人形機器人創新中心、同濟大學附屬養志康復醫院、格式塔科技和臨港實驗室共同發起「腦機具身·數據引擎聯合創新計劃」，以核心硬件、工具鏈等底層技術持續支持探索腦機接口與具身智能體的深度融合，驗證面向未來的人機交互閉環體系。

和許多行業研究者一樣，顧捷也認同數據并非越多越好，最關鍵的還是質量——比起重復同一個任務千萬遍，行業真正需要的是不同任務的切換。其中既有成功的任務，也有失敗的任務，而后形成高質量數據集。

他認為，可以將「互聯網規模的多模態數據集」作為數據基座，再結合人類第一視角的交互數據，以及在真實場景中產生的小部分人形機器人的實際數據。

“雖說是小部分的真機數據，但也不是大家想的那么少。未來它也可以形成億級別的數據量。”

（多模態數據采集）

2020年，傅利葉就已首次推出專為康養場景設計的「智能康復港」一站式解決方案，覆蓋神經、骨科、疼痛等多種康復類型，滿足不同階段的康復需求，并提供科室能力建設與運營服務方案。

截至目前，傅利葉智能康復港已在全國范圍內建設了300多家康復科室，面向省市縣鄉鎮各級醫療機構及康養社區。

腦機技術的加入，無疑使得具身智能在康養領域的應用，出現了新的可能性。