摘要：加州大学洛杉矶分校的工程师开发了一种可穿戴、非侵入式脑机接口系统，该系统利用人工智能作为副驾驶，帮助推断用户意图，并通过移动机械臂或计算机光标来完成任务。

加州大学洛杉矶分校的工程师开发了一种可穿戴、非侵入式脑机接口系统，该系统利用人工智能作为副驾驶，帮助推断用户意图，并通过移动机械臂或计算机光标来完成任务。

这项研究发表在《自然机器智能》杂志上，表明该接口在非侵入式脑机接口（BCI）系统中展现出新的性能水平。这可能会催生一系列技术，帮助肢体功能受限的人士（例如瘫痪或神经系统疾病患者）更轻松、更精准地处理和移动物体。

AI 辅助的非侵入式脑机接口助力运动控制

AI-assisted non-invasive brain-computer interface

该团队开发了定制算法来解码脑电图（EEG，一种记录大脑电活动的方法），并提取反映运动意图的信号。他们将解码后的信号与基于摄像头的人工智能平台配对，该平台实时解读用户的方向和意图。该系统使个人能够比没有人工智能辅助时更快地完成任务。

加州大学洛杉矶分校萨缪尔利工程学院电气与计算机工程副教授、研究负责人乔纳森·高 (Jonathan Kao) 表示： “通过使用人工智能来补充脑机接口系统，我们的目标是寻找风险更小、侵入性更小的途径。”

“最终，我们希望开发能够提供共享自主权的 AI-BCI 系统，让患有运动障碍（如瘫痪或 ALS）的人重新获得日常任务的独立性。”

最先进的手术植入式脑机接口设备可以将脑信号转化为指令，但其目前带来的好处被植入神经外科手术相关的风险和成本所抵消。在首次演示二十多年后，此类设备仍然仅限于小规模的试点临床试验。

与此同时，可穿戴设备和其他外部 BCI 在可靠检测脑信号方面表现较低。

实验验证与未来发展前景

Experimental verification and future prospects

为了解决这些局限性，研究人员对四名参与者测试了他们的新型非侵入式 AI 辅助 BCI，其中三名没有运动障碍，第四名腰部以下瘫痪。

参与者佩戴头帽记录脑电图，研究人员使用定制的解码算法将这些脑信号转换成计算机光标和机械臂的运动。同时，一个内置摄像头的人工智能系统观察解码后的运动，并帮助参与者完成两项任务。

在第一项任务中，他们被要求移动电脑屏幕上的光标，击中八个目标，每个目标上至少停留半秒钟。在第二项挑战中，参与者被要求启动机械臂，将桌子上的四个积木从原来的位置移动到指定位置。

在AI的帮助下，所有参与者完成这两项任务的速度都显著加快。值得注意的是，瘫痪的参与者在AI的帮助下大约用了六分半钟就完成了机械臂任务，而没有AI，他根本无法完成这项任务。

“AI-BCI 系统的下一步可能包括开发更先进的副驾驶员，以更快的速度和精度移动机械臂，并提供灵巧的触感来适应用户想要抓住的物体，”共同主要作者、加州大学洛杉矶分校电气和计算机工程博士生 Johannes Lee 表示，他是 Kao 的导师。

“添加更大规模的训练数据还可以帮助人工智能协作完成更复杂的任务，并改善脑电图解码本身。”

该论文的作者均为 Kao 神经工程与计算实验室的成员。Kao 是加州大学洛杉矶分校脑研究所的成员，同时也是计算机科学系和神经科学跨系博士项目的教员。

信息来源：MEDICAL PRESS

DOI:10.1038/s42256-025-01090-y

来源：启真脑机智能基地