CMU賀斌：腦機(jī)接口用于機(jī)器人控制 | NSR觀點(diǎn)

卡耐基梅隆大學(xué)賀斌教授等在《國(guó)家科學(xué)評(píng)論》（National Science Review, NSR）發(fā)表觀點(diǎn)文章（Perspective），綜述了腦機(jī)接口（BCI）在機(jī)器人控制中的發(fā)展、挑戰(zhàn)與未來(lái)方向。該文將收錄于NSR“腦機(jī)智能”專(zhuān)題。

BCI通過(guò)解碼與用戶(hù)意圖相關(guān)的神經(jīng)信號(hào)，并將其轉(zhuǎn)化為外部設(shè)備控制指令，為運(yùn)動(dòng)功能受損者提供了繞過(guò)受損神經(jīng)通路、恢復(fù)或增強(qiáng)運(yùn)動(dòng)能力的可能。相比侵入式方法，非侵入式BCI更安全、更易部署，在臨床和家庭輔助場(chǎng)景中具有更大的可及性。

機(jī)器人手臂和手部控制比光標(biāo)或輪椅控制更具挑戰(zhàn)，因?yàn)槠淇刂瓶臻g維度更高，需要實(shí)現(xiàn)連續(xù)、協(xié)調(diào)且通常非線(xiàn)性的運(yùn)動(dòng)。盡管難度較大，恢復(fù)上肢功能仍是運(yùn)動(dòng)障礙人群最迫切的需求之一，即使是部分手臂或手部功能的恢復(fù)，也能顯著改善獨(dú)立性和生活質(zhì)量。因此，發(fā)展能夠支持靈巧上肢控制的BCI機(jī)器人系統(tǒng)具有重要意義。

近年來(lái)，該領(lǐng)域逐步從離散控制走向更復(fù)雜的連續(xù)軌跡控制、目標(biāo)追蹤，從而提升機(jī)器人系統(tǒng)的實(shí)用性。同時(shí)，更直觀的BCI范式設(shè)計(jì)也推動(dòng)了機(jī)器人控制的靈巧化，使用戶(hù)的運(yùn)動(dòng)意圖與機(jī)器人動(dòng)作之間具有更自然的對(duì)應(yīng)關(guān)系。

深度學(xué)習(xí)解碼方法是推動(dòng)BCI機(jī)器人控制復(fù)雜度提升的重要因素。EEGNet、EEG Conformer等模型能夠捕捉非線(xiàn)性、分布式和個(gè)體化的神經(jīng)表征，相比傳統(tǒng)特征工程方法通常具有更好的解碼性能。深度學(xué)習(xí)不僅在離線(xiàn)BCI研究中得到廣泛應(yīng)用，也已進(jìn)入實(shí)時(shí)機(jī)器人控制場(chǎng)景，包括連續(xù)軌跡與抓握控制以及機(jī)器人手指控制。這些方法有助于實(shí)現(xiàn)更高維度、更復(fù)雜的機(jī)器人行為。

此外，共享自主框架正在成為降低用戶(hù)負(fù)擔(dān)的重要策略。在這類(lèi)系統(tǒng)中，BCI主要傳遞高層用戶(hù)意圖，而自主控制器負(fù)責(zé)低層運(yùn)動(dòng)執(zhí)行，使用戶(hù)能夠以較低認(rèn)知和身體負(fù)擔(dān)完成復(fù)雜任務(wù)。近期AI copilot和基于環(huán)境感知的共享控制的結(jié)合，進(jìn)一步顯示了BCI機(jī)器人系統(tǒng)的應(yīng)用潛力。

未來(lái)BCI機(jī)器人系統(tǒng)的發(fā)展將依賴(lài)神經(jīng)解碼算法與人機(jī)智能的深度融合。自適應(yīng)解碼、智能自主控制、長(zhǎng)期可用性、用戶(hù)學(xué)習(xí)與適應(yīng)，以及人類(lèi)意圖、機(jī)器人行為和功能結(jié)果之間的一致性，將成為推動(dòng)BCI機(jī)器人從實(shí)驗(yàn)室演示走向真實(shí)輔助技術(shù)的關(guān)鍵。

Brain-computer interfaces for robotic control

Yidan Ding, Bin He*

National Science Review, nwag269,

https://doi.org/10.1093/nsr/nwag269

點(diǎn)擊相關(guān)圖書(shū)

（本文編輯：劉四旦）

專(zhuān)業(yè)品質(zhì) 學(xué)術(shù)價(jià)值

原創(chuàng)好讀 科學(xué)品位

一起閱讀科學(xué)