脑机百科消息(bciwiki.com)，据arXiv，Huan Luo、Na Lu、Xiaopeng Wang与Ziyang Shang于2026年10月12日在该平台上传了一项运动想象时间窗优化研究预印本，未经同行评审。研究提出时间结构嵌入强化学习（TSE-RL）框架，用于运动想象（MI）脑机接口（BCI）的自适应时间窗选择。作者指出，在线系统通常用固定长度的滑动时间窗解码连续脑电（EEG），这些片段可能与实际神经事件错位；独立评估各片段也可能忽略前后依赖，产生零碎或不符合生理过程的选择。
TSE-RL将运动想象事件结构的先验知识纳入受限马尔可夫决策过程，即在规则约束下连续作出选择。框架通过丢弃、起始、持续或结束四类动作赋予每个时间窗明确角色，再用有限状态机屏蔽不符合阶段顺序的动作。基于Transformer的历史编码器则负责捕捉跨时间窗依赖。作者报告，与循环架构相比，这种历史编码方式提高了训练稳定性和计算效率。
作者将该框架描述为可即插即用、可与不同运动想象分类器结合，并报告在多个基准数据集上的跨会话和跨受试者实验中，解码表现均得到一致改善。可视化分析被作者解释为：学习到的时间窗选择策略与神经生理原则相符。这一解释并不等同于直接验证了对应神经事件，数据集上的性能改善也不能直接外推为在线使用或临床获益。