據雷鋒網了解，世界機器人大賽在業內被譽為機器人界的“奧林匹克”，是目前國內外影響廣泛的機器人領域官方專業賽事，自2015年起已成功舉辦五屆，共吸引了全球20余個國家12萬余名選手參賽。

BCI腦控機器人大賽作為世界機器人大賽中一項高精尖科研類賽事已成功舉辦三屆，此項競賽內容重點考察腦-機接口技術在醫療康復等領域的創新應用技術成果，旨在推動該技術與各領域產業交流合作，滿足人們對醫療、養老、助殘、康復等多樣化的民生需求，實現該領域與各行業的跨越融合發展。

運動想象新算法突破腦-機接口技術瓶頸

BCI（Brain-computer interface ，腦-機接口）是指通過對神經系統電活動和特征信號的收集、識別及轉化，使人腦發出的指令能夠直接傳遞給指定的機器終端，從而使人對機器人的控制和操作更為高效便捷，俗稱“腦控”。

該項技術是一項融合了神經科學和人工智能的一門新興技術，在人與機器人的交流溝通領域有著重大創新意義和使用價值，其已廣泛應用于助殘康復、災害救援、娛樂體驗等多個領域。

作為集科技性、創新性、實用性于一體的世界級BCI賽事，本屆大賽上也誕生了諸多腦-機接口領域突破性技術成果。由天津大學和騰訊天衍實驗室組成的C2Mind戰隊，從運動想象（Motor imagery ，MI）路徑入手。

這是一種非常重要的BCI范式，指沒有任何肢體運動的情況下，利用意念想象肢體運動，是一種自發性腦電。但是，由于腦電信號的不穩定性，以及不同受試者腦電信號差異較大，甚至同一受試者在不同時間段采集的腦電信號都會存在較大差異，這使得腦機接口技術在使用前均需較長的校準時間，且系統性能不穩定，這些問題均嚴重影響了腦機接口技術運動想象范式在實際醫療場景中的應用。

針對運動想象腦電信號的時間差異性，騰訊天衍實驗室提出基于動態域自適應的深度腦電解碼模型

研究運動想象算法的騰訊天衍實驗室高級研究員柳露艷介紹，針對腦電信號數據差異大，且數據集樣本量少，而導致訓練困難及訓練模型泛化性能差等問題，騰訊天衍實驗室和天津大學高忠科教授團隊提出了一種創新的運動想象腦電信號分類方法。

該方法首先通過將同類樣本的時頻圖進行疊加的方式進行數據預處理，這樣在保證擴充數據多樣性的同時，又保持了原始數據時頻特性。

同時，還增加了模型在不同受試者或者同一受試者不同時間點腦電信號上的泛化性能； 其次使用了基于GAN的領域自適應算法進一步加強了模型在不同腦電信號上的泛化性能。使用該算法訓練的輕量級卷積神經網絡（Convolutional neural network ，CNN）模型，具有更強的魯棒性和泛化性能。

小樣本學習技術化解訓練樣本缺乏難題

在技術算法直接應用于實際數據時，大多數情況下無法獲得理想結果。

因為實際數據往往分布的很不均勻，且存在訓練數據缺乏、算法跨中心泛化能力差、算法準確度要求高等問題，尤其在嚴謹的醫療場景實際應用中，這些問題則成了技術精進的“攔路虎”。

柳露艷還介紹，騰訊天衍實驗室運動想象團隊基于其在醫學領域的長期技術積淀和創新探索，針對以上行業性問題提出了解決方案，即采用小樣本、領域自適應、元學習等技術解決訓練樣本缺乏、數據分布差異大等普遍存在的難題，從小樣本數據集中學習出魯棒的、高精度的腦電信號分類模型，不僅有助于提升運動想象下的腦-機接口系統的精度和泛化性，而且為腦機接口技術的應用奠定良好的技術基礎。

運動想象算法應用場景廣泛

運動想象腦電信號在醫療場景中的應用是非常廣泛的，如對于感覺運動皮層相關部位受損的中風病人，腦機接口可以從受損的皮層區采集信號，然后刺激肌肉或控制矯形器，改善手臂運動。

因癲癇病人的大腦會出現某個區域的神經元異常放電，而通過腦機接口技術檢測到神經元異常放電后，可以對大腦進行相應的電刺激，從而減少癲癇發作。

同時，運動想象腦機接口在針對自閉癥兒童的康復訓練中也承擔著重要的角色。與正常兒童相比，自閉癥兒童在觀看他人運動情景時模仿動機弱，相應的感覺運動皮層激活程度較低。

通過讓這些兒童參與基于自身感覺運動皮層激活程度強弱實時反饋的游戲項目，可以提升他們對感覺運動皮層激活程度的自我控制能力，從而改善自閉癥的癥狀。

騰訊天衍實驗室提出的運動想象創新算法，有望從準確性、效率、實用性、創新性、技術性等多維度提高腦-技接口技術在助殘康復等多領域的技術應用與產業發展，為突破當前人類與機器、人類與環境的交互技術中存在的難題提供了一個可行的解決方案。

這項算法可以通過嵌入到不同的硬件系統或者軟件系統，為受試者實現意念傳輸和控制。比如，它和外骨骼機器人結合的BCI系統，可用于偏癱、腦卒中患者運動功能的主動式康復；和電動輪椅結合的BCI系統，有望幫助肢體行動不便的人群自由活動出行等等。

希望在不久的將來，可以看到這項技術幫助越來越多的殘障人士突破肉體和工具的局限。