对于有运动障碍或身体残疾的人来说，完成日常工作和家务事可能是令人难以置信的挑战。机器人技术的最新进展，如大脑控制的机器人肢体，有可能大大改善他们的生活质量。

河北工业大学和中国其他机构的研究人员开发了一个创新系统，用于控制机器人手臂，该系统基于增强现实（AR）和脑机接口。该系统发表在《神经工程学杂志》上的一篇论文中，可以使用户更容易控制的仿生或假肢的发展。

"近年来，随着机器人手臂、脑科学和信息解码技术的发展，大脑控制的机器人手臂取得了越来越多的成就，然而，灵活性差等缺点限制了它们的广泛应用。我们的目标是促进脑控机械臂的轻量化和实用化。"进行这项研究的研究人员之一罗志国说道。

Luo和他的同事开发的系统将AR技术（允许用户查看包含数字元素的增强版周围环境）和脑控界面与控制机器人肢体的传统方法（称为异步控制）结合起来。这最终使用户能够实现对机器人手臂的更大控制，提高由此产生的运动的准确性和效率。

异步控制方法的灵感来自于人类大脑的运作方式。更具体地说，他们试图复制大脑在工作和闲置状态之间交替的能力。

异步控制的关键点是区分机器人系统的空闲状态和工作状态，用户开始操作我们的机械臂系统后，系统被初始化为空闲状态。当控制命令出现在主体的脑海中时，主体可以通过状态切换界面将系统切换到工作状态。

在研究人员创建的系统被切换到工作状态后，用户可以简单地选择他们想做的动作的控制命令，系统会将这些命令传送给他们所佩戴的机械臂。当机械臂收到这些命令时，它只需执行所需的动作或任务。一旦任务完成，系统自动回到空闲状态。

罗说："我们系统的一个独特特点是成功地整合了AR-BCI、异步控制和数据处理的自适应刺激时间调整方法，与传统的BCI系统相比，我们的系统也更灵活，更容易控制。"

Luo和他的同事创建的系统的自适应性使其能够根据用户在使用机械臂时的状态灵活地调整呈现给用户的AR内容的时间。这可以大大减少因看屏幕或数字内容造成的疲劳。此外，与传统的脑机接口相比，该团队的AR增强系统减少了对用户身体活动的限制，使他们能够更轻松地操作机器人手臂。

最终，我们能够成功地整合AR、脑机接口、自适应异步控制和一种新的空间过滤算法来对SSVEP信号进行分类，这为开发脑控机械臂提供了新思路，该方法有助于提高脑控机械臂的实用性，并加速这一技术在现实生活中的应用。

研究人员在一系列的实验中评估了他们的系统，并取得了非常有希望的结果。最值得注意的是，他们发现他们的系统允许用户使用机械臂完成他们想要的动作，准确率达到94.97%。此外，测试他们系统的10名用户能够在平均2.04秒的时间内为机器人手臂选择单一指令。总的来说，这些发现表明，他们的系统提高了用户控制机器人手臂的效率，同时也减少了他们的视觉疲劳。

在未来，这个研究小组提出的方法可以帮助提高现有和新开发的机器人手臂的性能。这可以促进这些系统在医疗机构和老年护理设施中的实施，使病人和客人能够独立地从事一些日常活动，从而提高他们的生活质量。

到目前为止，Luo和他的同事只对没有运动障碍或残疾的用户测试了他们的系统。然而，他们很快希望也能与老年用户或有身体残疾的用户合作评估，以进一步探索其潜力和适用性。

Luo补充说："我们现在计划在以下几个方面开展工作，以提高该系统的可靠性和社会生活的实用性。首先，在异步控制策略方面，可以利用EOG和其他生理信号来改善异步控制过程。其次，脑电图解码、转移学习和其他方法可以进一步改善模型训练过程。此外，在动态窗口方面，我们可以使用其他预测方法来实时修改系统阈值。"