AIST-CNRS机器人研究实验室[研究实验室主任Abderrahmane Kheddar]是由国立先进工业科学技术研究所[院长：Ryoji Chubachi]（以下简称“AIST”）和法国国家科学研究中心[院长Antoine Petit]（以下简称“CNRS”）在AIST信息与人体工学部共同建立[主任：Satoshi] Sekiguchi] Ganesh Gowrishankar CNRS 首席研究员，同一地区智能系统研究部[研究部部长河合义弘]研究部副部长吉田荣一是国立大学法人东京工业大学[校长增须和哉]（以下简称“东京工业大学”）科学技术研究所教授小池泰晴、副教授吉村夏江、国立大学法人大阪大学[校长西尾]正二郎]（以下简称“大阪工业大学”）大学》）信息科学研究生院与安藤英之副教授合作，利用大脑的预测功能，从脑电波中高速、高精度地读取预想的动作（运动意图）脑机接口 (BCI)我发明了一项技术。
传统的BCI技术直接从脑电波中读取运动意图，需要进行训练来提高准确性，这给用户带来了沉重的负担。这次设计的技术利用了大脑在运动过程中预测身体状态（运动结果）的能力。通过施加产生运动错觉的刺激，可以从脑电波中读取根据运动意图预测的运动结果与虚幻运动结果之间的差异，并且可以根据该偏差准确地估计运动意图。前庭电刺激 (GVS)创造运动错觉，并根据脑电波估计左右运动意图的实验中，证实可以在100毫秒内以超过85%的平均准确度估计运动意图。由于无需培训且负担小，预计可作为四肢瘫痪患者操作轮椅等外部设备的接口。
这项技术的详细信息发表在 2018 年 5 月 9 日的《美国科学杂志》上科学进步发表在杂志上。
 |
| 新开发的BCI技术概述 |
BCI 是一种从大脑读取信号并将其连接到计算机的接口，其最终目标是能够根据需要操作机器。例如，如果一个失去手臂的人可以使用脑机接口根据需要移动假肢，那么他们的生活有望得到重大改善。在过去的20年里，人们提出了许多BCI方法，但它们需要长时间的训练来配置设备以匹配每个人的脑电波特征，以及额外的感官刺激（认知负荷），例如通过图像检测响应视觉输入而产生的脑电波。
AIST-CNRS机器人研究实验室由AIST和CNRS共同建立，开发了先进的人机协调技术，例如使用BCI技术进行人形操作以及阐明人类和机器人身体的共同感觉。与此同时，东京工业大学一直在开发大脑信号分析技术，大阪大学一直在开发将外部信号输入大脑的技术。这次，通过联合研究，我们决定汇集各个机构的技术，开发一种新的运动意图分析技术，不需要长时间的训练或额外的认知负荷，就能产生更好的估计结果。
这项研究和开发得到了 AIST-CNRS 机器人联合研究的部分支持。
当人类运动时，大脑有一个身体模型 (正向模型)被认为可以预测运动后的身体状态，并向肌肉发出运动命令，以减少与预期结果的误差（预测误差）。这次，我们认为这种预测误差对脑电波有很大影响，并设计了一种新的 BCI 方法，利用这种预测误差来估计运动意图。该方法利用脑电波来检测外部感官刺激装置产生的运动结果的错觉与大脑根据实际运动意图预测的运动结果之间的预测误差。运动意图是根据检测到的预测误差和刺激产生的运动错觉来估计的。传统方法使用直接从脑电波解码用户的预期动作的方法，但所开发的方法的不同之处在于要解码的对象是预测误差。具体来说，它使用人工感觉刺激装置（前庭电刺激（GVS））产生错觉和脑电波来评估和识别用户的预期运动与外部刺激产生的错觉运动的匹配程度。
为了演示此方法，我们进行了一项实验，以在假设轮椅操作的情况下识别左右移动方向。首先，从左侧或右侧扬声器发出高音调的蜂鸣声，并将脑电波检测传感器和 GVS 连接到坐在轮椅上的受试者身上，并要求受试者想象转向声音来源的方向。两秒钟后，GVS 被用来刺激控制平衡感的前庭器官，产生无论提示如何随机向左或向右转动的错觉，并测量脑电波。当发出一声低音嘟嘟声时，受试者停止想象运动，一次测量结束（图 1）。这个过程重复多次，并进行统计分析，从测量的脑电波中检测预期方向和幻觉方向是否正确。将脑电波检测到的正确/错误信息与 GVS 输入的方向进行比较，以估计受试者想象的方向。对于所有受试者，可以在刺激后 96 毫秒的短时间内以较高的估计准确度（中值 872%）估计运动意图（图 2）。此外，刺激是认知阈值以下是受试者没有注意到的微弱刺激，从脑电波中获得的正确或不正确的信息由大脑无意识地决定，不会给受试者带来额外的认知负担。
该方法不需要操作员培训或给操作员带来认知负担，并且可以比传统方法更准确地估计运动意图。此外，刺激后不到100毫秒即可读取和估计脑电波，因此可以实时使用。
 |
| 图1意图检测流程 |
 |
| 图2 多主体意图检测实验结果 |
| 红线显示了使用直接从大脑信号检测意图的传统方法进行意图检测的正确答案率，黑线显示了使用新设计的方法进行意图检测的正确答案率。点 (●) 表示提示后每次估计的正确答案的百分比。每个点的方框表示正确答案率的 25% 到 75% 范围，误差条表示整个范围。左上图显示了脑电波活动的区域（顶部是额叶）。 |
未来，我们将开始临床试验，看看所提出的方法是否可以用作难以表达运动意图的全身瘫痪患者的沟通工具。我们还将进行研究，通过将其与现有的 BCI 结合使用来改进功能，特别是在电机控制方面。
杂志名称：科学进步
论文名称：利用感官预测误差进行运动意图解码：一种新方法
作者：Ganesh Gowrishankar、Keigo Nakamura、Supat Saetia、Alejandra Mejia Tobar、Eiichi Yoshida、Hideyuki Ando、Natsue Yoshimura 和 Yasuharu Koike
DOI：101126/sciadvaaq0183
发布日期：2018 年 5 月 9 日