东京工业大学研究人员的一项合作研究开发了一种新技术，可以从脑电图(EEG)解码人的运动意图。该技术的动机是有据可查的大脑利用所谓的前向模型预测自我产生和想象的动作的感觉结果的能力。该方法首次实现了在受刺激对象的96毫秒内，对受测对象进行的单次尝试解码精度接近90%，用户培训为零，并且用户没有额外的认知负担。

大脑计算机接口(BCI)研究的最终梦想是在机器与人脑之间建立有效的连接，从而使机器可以随意使用。例如，使被截肢者仅凭一想就可以使用连接到他的机器人手臂，就好像它是他自己的手臂一样。对于这样的任务，最大的挑战是在使用户的努力最小化的同时，从其大脑活动中解密人类用户的运动意图。尽管在过去的二十年中(1-2)提出了很多方法，但对于部分人类用户而言，它们都需要大量的精力-它们要么需要广泛的用户培训，要么仅与部分用户配合使用，或需要使用明显的刺激措施，给用户带来额外的注意力和认知负担。在这个研究中，

先前方法与它们所提出的方法之间的根本区别在于所解码的内容。所有先前的方法都通过解码用户正在关注的内容(如反应性BCI系统)来直接(例如在所谓的活动BCI系统中)或间接解码用户打算/想象的运动。在这里，研究人员建议将潜意识下的刺激器与脑电图(EEG)结合使用，而不是解码用户打算/想像的运动，而是解码他打算进行的运动是否与发送给用户的感觉反馈相匹配(或不匹配)。刺激器。他们的建议是受到对大脑中所谓的正向模型的大量研究的启发。涉及预测自我产生的运动的感觉结果的神经回路(3)。感官预测错误前向模型预测和实际的感觉信号之间的距离，对于我们的感觉运动能力是至关重要的-触觉感知(4)，运动控制(5)，运动学习(6)甚至人际互动(7 -8)和对自我的认知(9)。因此，研究人员假设预测误差在脑电图中具有较大的特征，并且干扰预测误差(使用外部感觉刺激器)是解码运动意图的一种有前途的方法。