脑机百科消息(bciwiki.com)，该研究2026年8月10日发表于《IEEE Journal of Biomedical and Health Informatics》。运动想象脑机接口（MI-BCI）在神经康复和运动辅助领域得到广泛研究，但此前系统的在线运动意图解码性能仍不理想。
研究者Jing Y.、Wang J.、Que X.、Li C.、Liu S.和Xiang K.提出了基于博弈论的自适应人机联合（AHMJ）学习方法，整合受试者学习和解码器更新用于MI-BCI解码，成功实现了单侧上肢多类运动想象的在线解码。在受试者训练方面，将MI训练过程建模为二人零和极小极大博弈，根据受试者表现自适应调节任务难度。在解码器更新方面，设计了整合知识蒸馏和原型引导域适应的在线自适应算法。
在14名健康受试者的在线MI-BCI实验和25名健康受试者公开数据集的在线模拟实验中，与仅依赖受试者学习的传统方法和以往人机联合学习方法相比，平均解码准确率分别显著提高9.7%和5.6%（配对t检验，p均小于0.01）。在线自适应算法在准确率和稳定性方面均优于此前的更新方法。