Nature Portfolio（Brain–machine interface）·· 2026-03-23AI 评分42
计算框架预测并塑造闭环共适应神经接口中的人机交互
Computational framework to predict and shape human–machine interactions in closed-loop, co-adaptive neural interfaces
AI 导读
研究团队用64通道表面肌电接口搭建闭环共适应实验平台，14名受试者通过前臂sEMG控制光标完成二维轨迹追踪任务，解码器采用速度控制的Wiener滤波器并随机初始化后持续更新。结合控制理论与博弈论建模，结果显示用户学习可被实时接口适应所影响，且共适应结果可由博弈论模型预测，为神经接口的个性化设计提供可验证方法。
AI 要点
团队
华盛顿大学 Amy L. Orsborn 团队（第一作者 Maneeshika M. Madduri，共 6 位作者）。
主要结果
在肌电接口上验证用户与解码器同时适应构成共适应系统；用户学习可被实时接口适应影响，且结果可由博弈论模型预测。
解决什么问题
共适应接口涉及用户与解码器两个学习者的动态互动，此前多凭经验设计，缺少可建模、可预测的理论框架。
方法
14 名人类受试者用 64 通道表面肌电接口做二维轨迹追踪，速度控制 Wiener 滤波解码器每 20 秒在线更新，共 16 个 5 分钟试次。
局限
从研究设计看，采用非侵入肌电接口而非脑信号，属替代测试平台；受试者 14 人，为可行性验证。
AI 依据原文整理，未经人工核对。
来源：Nature Portfolio（Brain–machine interface） · nature.com