Theoretical and Natural Science

脑机接口能读出与动作相关的神经活动，动力外骨骼则提供完成动作所需的力量。但脑电信号噪声大、肌电随疲劳与恢复而变，合适的助力程度又高度依赖使用者和任务，因此人工智能的价值主要在于同时处理多种变化信号，而不是依赖单一固定输入。这篇综述梳理了脑电、肌电与机械传感如何组合用于外骨骼控制，并对比了卒中康复与健康使用者两类目标迥异的应用。作者认为，仅提高分类准确率并不够，延迟、校准、疲劳、不确定性与物理安全同样决定系统是否真正可用。

一篇2026年8月17日发表于《Theoretical and Natural Science》的脑机接口医学应用系统综述，从文献回顾、侵入式与非侵入式技术比较案例和跨学科评估三个角度展开。综述报告侵入式脑机接口可实现机器人臂控制80%至100%的任务成功率，但受限于手术风险、信号渐进退化与高于25万美元的成本，非侵入式脑机接口更安全、在社区神经康复中部署更广，卒中后上肢恢复有效率约为70%，却受限于信噪比差、约30%的BCI失语率与低信息传输速度。综述还探讨了神经数据隐私、自主性悖论、获取不平等等伦理与社会议题。