利用 EEG 频段平衡内部与外部注意状态的自适应虚拟现实系统设计与评估

基于摘要分析。该研究针对虚拟现实中工作记忆任务可能出现的刺激过多或不足问题，设计了一个利用 EEG 注意相关信号动态调节周围视觉干扰复杂度的自适应系统，以支持任务表现并调节认知负荷。 参与者在 VR 中完成视觉工作记忆 N-Back 任务，系统依据与内部、外部注意相关的额叶 theta 和顶叶 alpha 频段调整周围干扰元素的视觉复杂度。这里的自适应对象是任务环境中的干扰刺激，而非 EEG 解码模型本身；摘要未说明频段特征的具体计算方式、注意状态映射、校准程序、更新频率或控制阈值，相关实现细节尚未验证。 作者报告，这两个频段可用于动态调整视觉复杂度；在所述 N-Back 任务条件下，与反向适应条件相比，自适应系统改善了任务表现并降低了感知工作负荷。摘要未给出反向适应的具体规则、任务表现指标、工作负荷量表或效应大小，因此不能进一步判断改善幅度，也不能据此认定其优于固定复杂度或其他适应策略。 研究的具体价值在于将 EEG 频段指标与 VR 环境调节连接为闭环，而不仅是分析注意状态的相关性。其是否能稳定区分注意变化与任务难度、眼动或运动等因素的影响，仍需正文证据核对。被试规模、数据划分、被试内或跨被试适用性、实验协议、消融及统计信息尚未验证；复现还需确认 EEG 采集与伪迹处理流程、频段定义、反馈时延及干扰复杂度的操作化方式。摘要结论限于所述任务与对照条件，不宜直接推广为普适的认知负荷优化效果。