arXiv（brain-computer interface）·· 26 天前AI 评分32
BrainVLA：用预训练 VLA 模型实现神经运动解码
Brain-Conditioned Action Policies for Neural Motor Decoding
AI 导读
BrainVLA 通过语言中介对齐，借助预训练视觉-语言-动作（VLA）模型实现神经运动解码，缓解配对神经-动作数据稀缺问题。该框架构建含神经活动、动作信号、语言指令与渲染视觉观测的数据集，用 LoRA 微调 OpenVLA-OFT 策略，并以语言表征为语义目标训练神经编码器提取运动意图。在两个不同动作维度的神经运动数据集上，其跨会话解码 R² 与任务成功率均优于基线，并展现高训练数据效率。
AI 要点
团队
第一作者 Luyao Jin，末位作者 Wei-Hsin Liao，共 5 位作者。
主要结果
在两个不同动作维度的神经运动数据集上，跨会话解码 R² 与任务成功率均优于所评估的基线，并表现出高训练数据效率。
解决什么问题
神经运动解码通常依赖稀缺的神经-动作配对数据来学习任务特定映射。
方法
构建含配对神经活动、动作信号、语言指令与渲染视觉观测的 VLA 兼容数据集；用 LoRA 微调 OpenVLA-OFT 策略，以语言表征为语义目标训练神经编码器，用因果 rollout 解码评估。
局限
从研究设计看，为离线数据集上的解码评估，未涉及人体或动物在线的闭环控制验证。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org