脑机百科消息(bciwiki.com)，研究人员提出一个名为BrainVLA的框架，借助预训练的视觉-语言-动作（VLA）模型解码运动意图，在两个神经运动数据集上的跨会话解码R²和任务成功率均优于所评估的基线方法。相关论文于2026年9月28日上传至预印本平台arXiv，尚未经同行评审，作者为Luyao Jin、Running Zhao、Huan Zhao、Vincent C. K. Cheung和Wei-Hsin Liao。
运动脑机接口的目标是解码运动意图，让瘫痪患者控制外部设备。常规做法是针对具体任务学习从神经活动到运动学参数的映射，但配对的神经信号与动作数据十分稀缺，限制了模型训练。BrainVLA的思路是借用VLA策略中已有的先验，减少对这类配对数据的依赖。
具体做法分三步。研究人员先构建与VLA兼容的数据集，包含配对的神经活动、动作信号、语言指令和渲染出的视觉观测；再通过LoRA微调，把OpenVLA-OFT策略适配到目标动作空间；最后以语言表征作为语义目标，通过神经-语言对齐训练一个神经编码器，从神经活动中提取潜在的运动意图。得到的神经表征作为内源性意图信号，引导VLA策略生成可执行动作，视觉观测则补充任务状态变化的信息。
评估采用因果展开解码，在两个动作维度不同的神经运动数据集上进行。据论文摘要，BrainVLA除在跨会话解码R²和任务成功率上优于基线外，还表现出较高的训练数据效率。作者认为，这为神经运动解码通过脑条件化的VLA策略利用大规模机器人先验提供了一条路径。摘要未披露具体数值，也未说明数据集来源与采集方式。