通过运动想象脑信号与阻抗控制引导软机器人

基于摘要分析。该研究针对 EEG 运动想象系统易出错、用于近人机器人运动控制时可能带来安全风险的问题，提出将可穿戴 EEG 与软机器人自身的物理柔顺性结合，实现用户通过脑信号实时引导机器人末端执行器。主要贡献是连接运动想象意图解码与软机器人阻抗控制的系统流程，而非仅提升 EEG 分类性能。 机制上，运动想象算法将用户意图转化为虚拟吸引点的位置变化，新的笛卡尔阻抗控制器再驱动末端执行器趋向该吸引点。作者报告，该流程可使用少至三个 EEG 通道。研究对象具体为基于平面软机器人的架构化超材料，其控制涉及特殊非线性，包括控制输入的非仿射性；作者为此提出新的控制架构。摘要未提供意图类别、解码算法结构、训练方式或阻抗控制器的数学细节，相关实现尚未验证。 在设定点调节任务的初步定量评估中，作者报告用户在 66% 的操作步骤中到达设定点附近；仅对成功步骤统计，平均响应时间为 21.5 秒。这里的步骤成功比例不是 EEG 分类 Accuracy，成功步骤的响应时间也不代表全部操作的平均耗时。作者还展示了涉及环境交互的简单现实任务，并认为机器人的柔软性对执行这些任务具有关键作用，但摘要未提供相应对照或安全性量化结果。 被试人数、被试内或跨被试协议、EEG 通道配置、设定点邻域判定标准、步骤总数、基线、消融及统计信息尚未验证。复现时需核对从 EEG 意图输出到吸引点更新的映射、机器人动力学与阻抗参数，以及误解码条件下的控制行为；目前证据支持将其视为脑控软机器人系统的初步可行性研究，不能据此推断已具备稳定或经验证的安全性能。