摘要：在科幻电影中，我们常看到这样的场景：人物仅凭一个眼神或一个念头，房间的灯光就会自动调暗，窗帘缓缓拉上，咖啡机开始运作。这种无需开口、不必按键的“思维控制”看似遥不可及，实际上正在被脑机接口（BMI）技术一步步变为现实。
在科幻电影中，我们常看到这样的场景：人物仅凭一个眼神或一个念头，房间的灯光就会自动调暗，窗帘缓缓拉上，咖啡机开始运作。这种无需开口、不必按键的“思维控制”看似遥不可及，实际上正在被脑机接口（BMI）技术一步步变为现实。
然而，当前大多数脑机接口仍属于“被动”系统：用户必须一个个发出明确指令，才能完成每一个操作步骤，这在效率和体验上都存在巨大局限。试想一个瘫痪患者通过BMI控制轮椅，每次移动都需要手动选择方向、速度，整个过程冗长又疲惫。
近期，发表于《Scientific Reports》的一项研究突破了这一瓶颈。来自加州理工学院等机构的研究团队提出了一种“主动控制”的脑机接口框架，能够提前预测用户即将执行的一系列动作，并将其快速转化为控制信号，用于操作智能环境。也就是说，系统不再“等你发号施令”，而是像贴心助手那样“提前知道你想做什么”。这项研究不仅刷新了我们对BMI交互方式的想象，也为未来更智能、更自然的人机协同交互开辟了新路径。
01
脑机接口迈入“主动时代”
Research Introduction
现有的脑机接口大多基于“单一意图识别”模式：用户发出一个神经信号，系统解码后做出一个响应动作，比如移动鼠标、点亮灯光或启动语音助手。这种“你说我做”的工作流程虽然实用，但每次都必须重复意图发出、解码、执行的过程，在连续操作时极易造成时间和认知负担。
而在日常生活中，我们对行为的计划往往不是孤立的。例如，当你走向厨房时，大脑中已经“规划好”接下来的连续动作：走路、开灯、拿杯子、倒水……这些动作不是被动等待执行，而是提前组织成一套“行动序列”。
那么，BMI 能否像大脑一样主动规划和执行完整动作链，而不是一条条接收指令？这是本研究的核心目标。研究者希望构建一种“主动型”BMI系统（Proactive BMI），能够实时捕捉大脑中关于“接下来要做什么”的序列信息，并提前解码，以实现对智能环境的快速、自然控制。
02
动物实验+无线BMI
Research Method
为了验证“主动BMI”的可行性，研究团队在非人灵长类动物——恒河猴身上展开了一系列精密实验。
不同于传统实验中让猴子坐在椅子上操作屏幕，这次研究鼓励猴子在真实环境中“自由行动”。实验中，猴子学会了完成一系列日常任务序列，如从一处出发，走到另一地点并抓取物体。研究人员希望通过记录大脑神经活动，预测它们整个行动序列的“计划”。
为此，团队在猴子的运动皮层（尤其是前额叶和初级运动区）中植入了多通道电极，并使用无线脑电采集设备，确保在猴子自然行走、取物时也能实时记录神经活动。数据采集后，这些神经信号被送入一套实时解码系统，部署在一个高度并行的FPGA平台上，能够以极低延迟将神经信号转化为“即将执行动作序列”的标签。这一系统在准确预测猴子下一个意图动作的同时，还能识别整个序列的结构，实现“预测-执行-切换”的连续控制模式。
03
效率显著提升，智能交互触手可及
Research Result & Significance
长期使用脑机接口的一大难题，是神经信号的稳定性。由于电极轻微位移、生理状态变化等因素，几天或几周后系统解码精度往往下降，必须重新训练。为解决这一问题，研究团队引入了自适应解码策略。系统使用“神经流形对齐”（neural manifold alignment）技术，学习不同日之间神经信号的变化模式，将新数据投影到已有解码模型的空间中，从而实现小样本快速重训练。这使得系统在面对长时间间隔或信号波动时，仍能保持高准确率，同时大大减少了使用者每次校准所需的训练量。这一点对于构建真正可用、可推广的BMI系统至关重要。
研究显示，基于主动解码的BMI系统，不仅能够正确识别复杂行为序列，还能在行动尚未开始前就完成整个序列的信号准备，大幅缩短执行时间。相比传统“一个动作一个命令”的模式，整套序列式控制方式提升了超过40%的交互效率。
此外，系统解码的准确率在多个测试日之间保持一致，充分证明了其鲁棒性和可迁移性。这意味着，未来即使面对真实用户的复杂生活环境，该系统也具备良好的适应能力。更重要的是，研究还展示了该系统与智能设备（如自动门、机械臂、照明系统）的整合潜力，为构建脑控智能家居、辅助移动机器人等应用场景提供了技术支撑。
过去的BMI强调“精准解码”，即准确识别用户当前的意图；而主动BMI则尝试理解用户的整体目标和行动计划，并在未被明确指令的情况下做出合理预测。这种从“反应式”到“前瞻式”的转变，让脑机接口从工具变成“助手”，从被动执行者变成协同参与者。这不仅大大提升了操作效率，更让BMI的体验更接近我们与身体之间的自然连接方式。
新闻来源：Scientific reports
论文参考：DOI: 10.1038/s41598-024-60280-7
来源：启真脑机智能基地