脑机百科消息(bciwiki.com)，信号质量、解码算法与共享控制策略的协同优化，是提升脑控机械臂操作自然度和可靠性的关键，格拉斯哥大学的Hao Kang在发表于2026年9月8日的《Theoretical and Natural Science》上的一篇综述中得出这一结论。该刊由EWA Publishing出版，DOI为10.54254/2753-8818/2026.hz36492。
综述指出，脑机接口通过解码运动皮层的神经活动，可为严重运动障碍患者提供一条绕过受损神经通路、控制外部设备的新途径。现有研究已在连续运动、多自由度控制和感觉反馈方面取得进展，但长期稳定性、控制精度和临床安全性仍然受限。
文章分析了侵入式、非侵入式和血管内三类脑机接口的信号采集特性，梳理了信号预处理、特征提取和神经解码的流程，并总结了连续、离散及多自由度机械臂指令的生成方法。
作者认为，未来研究应聚焦于开发稳定的神经接口、个体化自适应解码、计算机视觉辅助以及双向感觉反馈，以推动此类系统走向长期临床和日常应用。