脑机百科消息(bciwiki.com)，布朗大学研究者提出一种运动解码模型，让解码器只推断使用者想做什么动作，轨迹交给一个遵循物理规律的生成器画出，解码结果因此天然落在人体做得出的动作范围内。相关预印本于2026年7月28日上传至bioRxiv，命名为Neural SS-DMP。
作者指出，现有的连续解码器直接把神经信号映射成手的坐标，这条路子在记录信号随时间漂移时很脆弱：映射上一点小误差会被逐帧放大，最后输出前后矛盾、人根本做不出来的动作。
新模型把这一步拆成两段。解码器先从神经信号里读出一组描述动作意图的低维参数，这组参数再送进一个二阶动力系统，由它按物理规律生成完整轨迹。生成器画不出来的轨迹，解码器也就输出不了。为了避免通用运动规律套不准个体，生成器还会针对每个人调整，把基础动力学与从这个人训练数据里估出的动作特点混合，得到一个专属的生成器。
作者称，在皮层脑电与多次记录的神经元放电两类测试上，该模型准确率高于现有的强方法，轨迹平滑度也持续更好；换到时间上靠后、没有参与训练的记录上，性能下降比对照方法更慢。
该研究为预印本，尚未经过同行评审。全部结果来自离线数据，采用只使用当前及此前信号的窗口协议，未在实时控制中验证。DOI: 10.64898/2026.07.25.740738。