通过运动想象脑信号与阻抗控制引导软体机器人

基于摘要分析。研究针对 EEG 运动想象控制机器人时解码易出错、刚性机器人在人附近运行存在安全风险的问题，提出结合可穿戴 EEG 与软体机器人柔顺性的实时控制流程。其贡献不仅是脑信号驱动末端运动，还包括面向平面软体机器人架构化超材料的笛卡尔阻抗控制架构。 核心机制是由运动想象算法解释用户意图，更新一个虚拟吸引点的位置，再通过笛卡尔阻抗控制器使机器人末端朝该吸引点运动。作者描述该流程可使用少至三个 EEG 通道。控制器需处理这类软体结构的特殊非线性，包括控制非仿射性；具体动力学模型、控制律、稳定性条件，以及 EEG 解码方法、训练与推理过程尚未验证。 作者报告，在初步的设定点调节任务评估中，用户在 66% 的步骤内到达设定点邻域；仅对成功步骤，平均响应时间为 21.5 秒。这些结果属于闭环机器人任务表现，不能视为运动想象分类 Accuracy，也不能直接用于比较其他 BCI 的解码性能。作者还展示了涉及环境交互的简单实际任务，并认为机器人柔软性对完成这些任务起关键作用；摘要未提供可核对的安全性对照指标。 该工作的阅读重点是 EEG 意图输入与柔顺控制之间的接口，以及利用机器人本体物理特性缓解错误指令后果的设计思路。复现需核对 EEG 通道配置、运动想象类别、校准与在线解码流程、虚拟吸引点更新规则、机器人结构及控制参数。被试数、数据划分、成功邻域定义、步骤统计口径、对照实验、消融及统计信息尚未验证，因此目前不能据此判断跨被试泛化能力或安全优势的程度。