NeuroAction：将 EEG 对齐至离散运动基元以实现连续运动解码

NeuroAction 针对噪声头皮 EEG 难以直接映射到连续运动学的问题，以离散运动基元作为中间表征，将 EEG 表征对齐、运动编码序列预测与连续轨迹重建连接起来。基于摘要分析，研究覆盖全身自由运动、下肢跑步机行走，以及上肢自主伸手与抓握三类异质运动范式。 核心机制是使用基于 VQ 的运动先验，将连续运动离散化为可复用的运动基元；这些基元同时充当 EEG 对齐的原型和中间预测目标。原型对比与监督式对比目标将 EEG 嵌入对齐到运动生成的原型，并依据基元分配组织表征。随后，E2M Transformer 从学习到的 EEG 表征预测运动编码序列，最终通过运动层面的训练实施几何细化，以改善连续轨迹重建。其方法特点在于用运动端结构化表示替代直接从 EEG 回归连续轨迹的单一步骤。 作者报告，在以末次会话为测试集的协议下，NeuroAction 在三个数据集上的平均重建表现均优于所比较的 EEG 解码基线，其中全身运动在重建准确性和分布层面质量上的提升最明显。摘要未提供数据集名称、指标定义或具体数值，因此不能将这里的“重建准确性”等同于分类 Accuracy，也不能量化收益。作者报告，多被试消融进一步支持 EEG 到运动基元对齐、token 预测和细化阶段的贡献。 需通过全文核对被试数量、会话划分、运动先验的训练数据范围、基线设置、消融结果与统计不确定性；末次会话测试并不自动意味着跨被试泛化。运动基元对不同范式及被试的可复用程度、模型对低信噪比 EEG 的鲁棒性，以及自由运动中的运动伪迹控制情况尚未验证。作者表示代码将在论文被接收后公开，当前材料不能据此确认已接收或代码已发布。