近日，英國阿爾斯特大學與巴斯大學聯合開展的一項全新研究，為腦機接口（BCI）技術優化找到了關鍵突破口。
研究證實，在腦機接口訓練過程中融入虛擬現實具身視覺反饋，能夠有效優化用戶肢體運動想像的神經信號捕捉效果，顯著提升三維運動解碼的精準度，為高性能腦機接口的落地應用奠定重要基礎。
本次研究以健康右利手人群為測試對象，核心對比兩種不同視覺反饋模式對腦機解碼效果的影響。實驗中，受試者需要依靠大腦運動想像，操控虛擬手臂完成三維空間指向動作。
研究團隊分別採用傳統平面螢幕顯示、頭戴式VR設備第一人稱立體沉浸式顯示兩種反饋方式，同步採集受試者的腦電信號，依託卷積神經網路與長短時記憶網路搭建的深度學習解碼器，實時測算虛擬手臂在左右、上下、前後三個維度的運動速度。
為保證測試結果嚴謹可信，研究設置三種差異化評估方案，覆蓋理論性能、日常使用、疊代訓練等不同場景，通過皮爾遜相關係數評判解碼精準度，數值越高代表解碼匹配度越好。
測試數據顯示，VR沉浸式反饋的優勢十分突出：在貼近真實使用場景的固定解碼器泛化測試中，VR組相關係數達0.668，較傳統螢幕組的0.538提升13%；在同會話理論上限測試中，VR組數值更是達到0.762，各項數據對比均具備顯著統計學差異。
據分析，VR反饋的性能優勢覆蓋全部運動維度，其中前後方向提升效果最為明顯，基線表現較弱的左右方向也實現了大幅優化。深層神經機制監測表明，VR沉浸式場景能夠激活人體天然的視覺運動整合機制，讓大腦感覺運動區、頂葉區域神經節律活動更集中，多腦區神經連接模式更貼合真實肢體運動狀態，讓用戶產生穩定且可泛化的神經表徵。
研究團隊也坦言，本次實驗存在樣本量有限、設備需提前校準等局限，且側向運動解碼精度偏低仍是三維全域控制的核心難題。不過業內人士表示，該研究明確了VR具身反饋的技術價值，為研發更穩定、直觀的民用級連續控制腦機接口提供了全新的設計思路與技術參考。
