arXiv（brain-computer interface）·· 2026-09-02AI 评分41
虚拟现实中高认知负荷下从 EEG 解码决策正确性：对协作脑机接口团队的启示
Decoding Decision Correctness from EEG Under High Cognitive Workload in Virtual Reality: Implications for Collaborative Brain-Computer Interface Teams
AI 导读
研究测试空间协方差 EEG 特征能否在受试者作答前提供决策正确性的预判信号，23 名受试者在虚拟现实目标检测任务中完成高、低认知负荷的组内操作。团队层面按该神经信号加权投票，高负荷下争议试次的准确率随团队规模从 2 人增至 16 人由 57% 升至 88%，低负荷下反而有害。该优势在置信度等事后行为信号之外依然成立，表明基于 EEG 的决策可靠性信号是负荷条件性的团队增强工具。
AI 要点
团队
第一作者 Christopher Baker，末位作者 Stephen Fairclough，共 4 位作者。
主要结果
高负荷下按该前置神经信号加权投票，争议（均分）试次团队准确率随规模从 2 增至 16 人由 57% 升至 88%；低负荷下反而有害。
解决什么问题
现有协作脑机接口只用决策后信息（反应时、自报信心），只能事后解释；本研究检验能否在反应窗口内提前给出决策正确性信号。
方法
23 名受试者在连续虚拟现实目标检测任务中完成高/低认知负荷的组内操纵，采用空间协方差 EEG 特征解码。
局限
从研究设计看，为实验室虚拟现实任务、组内负荷操纵，未涉及真实作业团队；效果依赖负荷条件，低负荷下加权反而降低表现。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org