Nat Mach Intell｜解碼器學(xué)太快，閉環(huán)神經(jīng)接口反而更容易“失配”

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Computational framework to predict and shape human–machine interactions in closed-loop, co-adaptive neural interfaces

發(fā)表時間:2026-03-23

發(fā)表期刊:Nature Machine Intelligence

影響因子:23.9

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

閉環(huán)神經(jīng)接口里，用戶會根據(jù)反饋學(xué)習(xí)，解碼器也可能在線更新，于是系統(tǒng)不再是“人適應(yīng)機(jī)器”或“機(jī)器追著人跑”的單向關(guān)系，而是共同適應(yīng)（co-adaptation）的雙學(xué)習(xí)者系統(tǒng)。

已有研究確認(rèn)共同適應(yīng)可提升性能，但接口設(shè)計仍主要依賴經(jīng)驗調(diào)參，缺乏能夠同時刻畫用戶、解碼器及其交互的原則性分析框架。本文的核心關(guān)切在于：能否為這類系統(tǒng)建立可驗證、可預(yù)測的計算模型。

實驗設(shè)計與方法邏輯

研究搭建了非侵入式自適應(yīng)表面肌電平臺：14 名參與者通過前臂 64 通道 EMG 信號控制二維光標(biāo)追蹤目標(biāo)，解碼器采用速度控制型 Wiener 濾波器，每 20 秒在線更新一次。整體邏輯如下：

1. 首先，借助任務(wù)誤差與 EMG 調(diào)諧曲線驗證，該平臺中不僅解碼器在動態(tài)變化，用戶行為同樣存在試次內(nèi)與跨試次調(diào)整

2. 在此基礎(chǔ)上，運用控制理論估計用戶編碼器，將目標(biāo)、誤差與 EMG 活動關(guān)聯(lián)，用以分析軌跡跟蹤與閉環(huán)穩(wěn)定性

3. 進(jìn)而引入博弈論視角，將用戶與解碼器視為各自優(yōu)化獨立代價函數(shù)的兩個主體，推導(dǎo)解碼器學(xué)習(xí)率及 effort 懲罰項變化后的預(yù)期結(jié)果，并通過實驗加以檢驗

核心發(fā)現(xiàn)

發(fā)現(xiàn)一：自適應(yīng)肌電平臺中用戶與解碼器均持續(xù)演化

試次內(nèi)任務(wù)誤差從早期至晚期顯著下降，且該改善不受解碼器隨機(jī)初始化的影響，表明自適應(yīng)解碼器正按預(yù)期運作。更關(guān)鍵的是，用戶 EMG 調(diào)諧曲線在試次內(nèi)呈現(xiàn)定向偏移，幅度超過相鄰時段的自發(fā)波動

第二個實驗 block 的中后段誤差低于首個 block，提示用戶既在單次嘗試內(nèi)微調(diào)，也在跨試次層面積累學(xué)習(xí)。就本實驗設(shè)置而言，證據(jù)支持這是一個共同適應(yīng)系統(tǒng)，而非解碼器的單向更新過程

Fig. 1 展示了試次內(nèi)誤差遞減、EMG 調(diào)諧曲線從早至晚的演變以及跨 block 表現(xiàn)的提升，將“解碼器學(xué)習(xí)”與“用戶學(xué)習(xí)”并置于同一閉環(huán)場景中

估計所得編碼器模型能夠重建與真實光標(biāo)位置及速度相關(guān)的運動軌跡，據(jù)此可評估編碼器—解碼器配對是否逼近理想的軌跡跟蹤與閉環(huán)穩(wěn)定性條件

結(jié)果顯示，配對乘積在均值上接近理論預(yù)期，且編碼器與解碼器均在試次內(nèi)發(fā)生定向改變，表明該模型可表征共同適應(yīng)過程中的關(guān)鍵閉環(huán)屬性。正文同時指出，模型未納入感覺延遲等因素，故更適合作為可分析的近似框架，而非對人類運動控制的完備還原

Fig. 2 呈現(xiàn)了編碼器重建軌跡、編碼器—解碼器乘積與理論軌跡跟蹤及穩(wěn)定性條件的關(guān)系，以及二者在試次內(nèi)的持續(xù)變化

博弈論框架的預(yù)測在實驗中獲得支持：解碼器學(xué)習(xí)率較快時，整體表現(xiàn)更差，用戶編碼器在試次內(nèi)的變化幅度更小，編碼器—解碼器配對也更偏離理想的軌跡跟蹤與閉環(huán)穩(wěn)定性條件，提示過快更新會干擾共同適應(yīng)進(jìn)程

另一方面，提高解碼器的 effort 懲罰項并未明顯改變誤差改善幅度，卻降低了解碼器 effort、提高了用戶 effort，并引起光標(biāo)速度變化，表明即便任務(wù)誤差相近，用戶仍可能采用不同控制策略來適應(yīng)接口。正文亦指出，effort 與速度之間的權(quán)衡在不同參與者間并不完全一致

Fig. 4 對比了快慢解碼器學(xué)習(xí)率下的表現(xiàn)差異以及配對逼近理想條件的程度；Fig. 5 展示了 effort 懲罰項改變用戶 effort 與控制方式卻不明顯影響誤差的結(jié)果

省流總結(jié)

本研究未將共同適應(yīng)神經(jīng)接口簡單視作“自動校準(zhǔn)”問題，而是把用戶與解碼器同時作為學(xué)習(xí)主體加以分析。基于閉環(huán) EMG 任務(wù)，作者運用控制理論與博弈論構(gòu)建了可檢驗的計算框架，并揭示解碼器更新過快可能破壞共同適應(yīng)，代價函數(shù)的變化亦可改變用戶的參與策略。當(dāng)前結(jié)論僅直接適用于本文所涉任務(wù)、模型與參數(shù)范圍。

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿