NeuroBCI：通过 EEG 自适应神经网络与语义通信实现多脑到多机器人交互

基于摘要分析。该研究面向多用户协作控制机器人，试图突破单脑到单机器人交互的限制，提出整合感知、计算、通信与控制的 NeuroBCI 系统。其核心贡献是将异构 EEG 的联合特征提取与多用户、多任务场景下的并行计算、传输及并发控制结合起来。 机制方面，NeuroBCI 使用稀疏注意力机制从异构 EEG 数据中提取联合特征，并通过语义自动编码器与自动解码器支持多用户、多任务的并行计算和传输。系统还设计了用于确保并发控制的 code map，并在发送端和接收端采用模型压缩方法。摘要未说明异构性的具体来源、注意力稀疏化规则、语义编码目标、code map 的映射方式，以及 EEG 自适应机制的实现细节，这些内容尚需全文核对。 作者报告，与其所称的最先进工作比较，NeuroBCI 在感知、计算、通信和控制组成的整体系统上表现更优；但摘要未提供具体任务、数据集、被试数量、EEG 设备与通道配置、机器人数量、评估指标或量化结果，因此不能据此判断优势幅度及适用范围。被试内、跨被试或跨会话的数据划分、对照配置、实验协议、消融及统计信息尚未验证。 复现时需核对 EEG 意图如何映射到机器人任务、不同用户的指令如何协调，以及模型压缩和语义传输对解码质量与端到端控制的影响。摘要中的家庭应用属于研究动机，尚不能视为日常环境可用性或临床辅助效果的验证；代码、数据和硬件复现条件也尚未验证。