基于空间梯度控制器与预测环境协调器的脑控二维导航机器人

基于摘要分析。该研究针对脑控二维导航中选择式控制主要传递离散方向、难以表达转弯半径等定量指令的问题，提出空间梯度 BCI 控制器及配套预测环境协调器，以二维向量流表达脑指令，并与机器人环境辅助控制融合。 方法上，作者采用水平排列的稳态视觉刺激诱发 EEG，将 EEG 与刺激特征之间的协方差阵列映射为定量二维向量。生成的向量输入预测控制器，并通过向量运算与预测环境协调器产生的虚拟力融合；合成向量进一步转化为机器人驱动力，同时生成实时速度反馈。其核心区别不是增加离散方向选项，而是把脑指令表示为可量化的二维控制量，并引入环境预测辅助导航。摘要尚不足以确认具体映射函数、控制参数、环境预测方式及反馈实现。 作者报告，在单障碍避障任务中，SGC 控制器相较选择式控制的任务响应时间为 27.4 秒对 34.9 秒；在实际多障碍场景的目标到达任务中，机器人执行速度快 39%；在多障碍避障任务中，平均失败率由 27% 降至 4%，作者称该下降具有显著性。这些结果均来自摘要中的特定任务对照，不能直接解释为通用 EEG 解码性能提升，也不能据此推断临床轮椅使用效果。 复现与评价需核对被试人数及人群、EEG 通道与校准流程、刺激配置、任务路线、重复次数、失败判据和统计检验；还需确认选择式控制基线的环境辅助条件，以及空间梯度映射与预测环境协调各自的贡献。实验协议、消融及统计信息尚未验证。脑控轮椅和车辆是作者提出的应用方向，摘要未提供其临床安全性或长期使用验证。