用于类人机器人控制的自适应脑机接口

基于摘要分析。该研究针对机器人 BCI 中固定预设高层行为缺乏灵活性、低层控制又可能增加用户认知负荷的问题，将作者此前提出的自适应分层 BCI 应用于 PR2 机器人控制：用户即时教授新技能，之后可直接通过高层命令调用这些技能。 核心机制是将技能教授与分层命令调用结合，而非仅依赖预先编排的机器人行为。研究还探索由用户显式定义命令序列，以描述涉及多个状态空间的复杂任务。这里的“自适应”主要指技能可在交互过程中学习并供后续调用；摘要未明确 EEG 解码器是否在线更新，也未说明技能学习算法、状态空间定义或命令序列的执行机制，不能将其直接解释为域适应或测试时自适应。 作者报告，三名被试通过基于 EEG 的分层 BCI，成功训练并控制 PR2，在模拟家庭任务中操纵机械臂，将牛奶倒入装有麦片的碗。摘要未提供任务成功率、完成时间、指令识别 Accuracy、训练时长或认知负荷测量，因此该结果支持的是小样本任务可行性演示，尚不足以量化相对固定行为控制或纯低层控制的收益。作者声称，这是首次训练分层 BCI 执行非导航任务，以及首次用其训练涉及多个状态空间的更复杂任务；这些优先性主张尚未独立核对。 复现需进一步核对 EEG 输入范式、信号处理与解码方法、技能表示及学习规则、用户反馈、机器人执行约束和任务成功判据。被试内或跨被试设置、对照条件、消融及统计信息尚未验证，代码与设备配置也未从所给材料确认。