脑机百科消息(bciwiki.com)，一套经强化学习训练的机器人控制算法，在X光透视引导的体外脑静脉模型中自主完成了血管内脑机接口的送达路径导航，20次实物运行中成功14次，总体成功率70%。这项研究由Harry Robertshaw、Weijie Qi、Nikola Fischer、Alejandro Granados、Thomas C. Booth和Sam E. John完成，作为预印本于2026年10月2日上传至arXiv（编号arXiv:2610.03537），尚未经同行评审。作者称这是体外自主机器人导航用于脑静脉系统血管内脑机接口接入的首次演示。
血管内脑机接口不需要开颅，但器械必须穿过个体差异很大的脑静脉精确就位。研究团队用Soft Actor-Critic强化学习算法在仿真中训练控制器，完成前后衔接的两项任务，路径从右颈内静脉延伸到上矢状窦；训练只用了一套血管解剖结构，并通过几何变形扩充样本。
评估在训练用解剖结构和一套没见过的保留解剖结构上进行，每种任务与结构组合各做250次仿真和5次实物运行，合计1,000次仿真和20次实物运行。仿真中，任务A和任务B在训练结构上的成功率分别为85.6%和98.4%，在保留结构上分别为42.0%和91.6%。实物测试中，任务B在保留模型上的成功率为80%。
团队还测试了能在线识别即将发生导航失败的预测模块。仿真中，它检出了99.3%至100.0%的失败，误报率为0.8%至6.7%。在体外测试中，失败运行之前预测风险会上升，但部分成功运行中也出现了较高的风险概率，说明从仿真迁移到实物后预测的校准程度下降。
作者认为，结果表明自主脑静脉接入可行，在线失败预测有望辅助人工监督；同时指出，对不同解剖结构的泛化能力以及仿真与实物之间的校准，是进入临床前转化之前需要优先解决的问题。