利用四极势函数实现非完整移动机器人的脑控遥操作

基于摘要分析。该研究面向非完整移动机器人的脑控遥操作，将基于 SSVEP 的在线 BCI 与四极势函数（quadrupole potential function，QPF）结合，由 EEG 解码提供人类意图，再由势场自动规划机器人运动，构建半自动控制框架。 在信号解码侧，系统采用多变量同步指数（multivariate synchronization index）分类算法识别 EEG 中的 SSVEP，生成机器人控制命令。在运动控制侧，作者设计 QPF，将 EEG 分类结果与势场分布关联，以势场参数化控制命令并自动规划通往目标位置的无碰撞路径。其核心并非仅提高 EEG 分类性能，而是将离散意图识别与受约束的机器人运动控制连接起来。 作者报告，QPF 能处理非完整约束，使集成系统既能避障，也能自动稳定至目标位姿。作者还提出，这种半自动设计可减少被试的心理努力或疲劳，但摘要未提供负荷或疲劳的测量方式，因此不能将其视为已量化验证的收益。 摘要称在多名被试上开展了实验并验证方法有效，但未提供具体人数、SSVEP 刺激设置、训练与测试划分、分类指标、任务成功率、对照基线或统计结果，无法据此判断跨被试适用性及复杂环境中的可靠性。复现需核对 EEG 采集与在线处理流程、命令与势场的映射、QPF 定义及参数、机器人约束模型，以及意图误分类对避障和目标位姿稳定的影响；实验协议、消融及统计信息尚未验证。