A015 Nat Mach Intell｜解码器学太快，闭环神经接口反而更容易“失配”
来源：公众号 PSY-Brain_Frontier ｜ 发布：2026-04-22 ｜ 原文链接
认知神经科学前沿文献分享
基本信息
Title: Computational framework to predict and shape human–machine interactions in closed-loop, co-adaptive neural interfaces
发表时间: 2026-03-23
发表期刊:Nature Machine Intelligence
影响因子: 23.9
获取原文:
-
添加小助手: PSY-Brain-Frontier 即可获取PDF版本
-
点击页面底部“阅读原文”跳转论文网页
研究背景
闭环神经接口里，用户会根据反馈学习，解码器也可能在线更新，于是系统不再是“人适应机器”或“机器追着人跑”的单向关系，而是共同适应（co-adaptation）的双学习者系统。
已有研究确认共同适应可提升性能，但接口设计仍主要依赖经验调参，缺乏能够同时刻画用户、解码器及其交互的原则性分析框架。本文的核心关切在于：能否为这类系统建立可验证、可预测的计算模型。
实验设计与方法逻辑
研究搭建了非侵入式自适应表面肌电平台：14 名参与者通过前臂 64 通道 EMG 信号控制二维光标追踪目标，解码器采用速度控制型 Wiener 滤波器，每 20 秒在线更新一次。整体逻辑如下：
- 首先，借助任务误差与 EMG 调谐曲线验证，该平台中不仅解码器在动态变化，用户行为同样存在试次内与跨试次调整
- 在此基础上，运用控制理论估计用户编码器，将目标、误差与 EMG 活动关联，用以分析轨迹跟踪与闭环稳定性
- 进而引入博弈论视角，将用户与解码器视为各自优化独立代价函数的两个主体，推导解码器学习率及 effort 惩罚项变化后的预期结果，并通过实验加以检验
核心发现
发现一：自适应肌电平台中用户与解码器均持续演化
试次内任务误差从早期至晚期显著下降，且该改善不受解码器随机初始化的影响，表明自适应解码器正按预期运作。更关键的是，用户 EMG 调谐曲线在试次内呈现定向偏移，幅度超过相邻时段的自发波动
第二个实验 block 的中后段误差低于首个 block，提示用户既在单次尝试内微调，也在跨试次层面积累学习。就本实验设置而言，证据支持这是一个共同适应系统，而非解码器的单向更新过程
Fig. 1 展示了试次内误差递减、EMG 调谐曲线从早至晚的演变以及跨 block 表现的提升，将“解码器学习”与“用户学习”并置于同一闭环场景中
发现二：控制理论模型可捕捉共同适应闭环的核心特征，但对用户控制策略的刻画仍属简化
估计所得编码器模型能够重建与真实光标位置及速度相关的运动轨迹，据此可评估编码器—解码器配对是否逼近理想的轨迹跟踪与闭环稳定性条件
结果显示，配对乘积在均值上接近理论预期，且编码器与解码器均在试次内发生定向改变，表明该模型可表征共同适应过程中的关键闭环属性。正文同时指出，模型未纳入感觉延迟等因素，故更适合作为可分析的近似框架，而非对人类运动控制的完备还原
Fig. 2 呈现了编码器重建轨迹、编码器—解码器乘积与理论轨迹跟踪及稳定性条件的关系，以及二者在试次内的持续变化
发现三：解码器参数不仅影响性能，亦重塑用户的协作策略
博弈论框架的预测在实验中获得支持：解码器学习率较快时，整体表现更差，用户编码器在试次内的变化幅度更小，编码器—解码器配对也更偏离理想的轨迹跟踪与闭环稳定性条件，提示过快更新会干扰共同适应进程
另一方面，提高解码器的 effort 惩罚项并未明显改变误差改善幅度，却降低了解码器 effort、提高了用户 effort，并引起光标速度变化，表明即便任务误差相近，用户仍可能采用不同控制策略来适应接口。正文亦指出，effort 与速度之间的权衡在不同参与者间并不完全一致
Fig. 4 对比了快慢解码器学习率下的表现差异以及配对逼近理想条件的程度；Fig. 5 展示了 effort 惩罚项改变用户 effort 与控制方式却不明显影响误差的结果
省流总结
本研究未将共同适应神经接口简单视作“自动校准”问题，而是把用户与解码器同时作为学习主体加以分析。基于闭环 EMG 任务，作者运用控制理论与博弈论构建了可检验的计算框架，并揭示解码器更新过快可能破坏共同适应，代价函数的变化亦可改变用户的参与策略。当前结论仅直接适用于本文所涉任务、模型与参数范围。
分享人：天天
审核：PsyBrain 脑心前沿编辑部
💡 关于我们
👋 你好，这里是「PsyBrain 脑心前沿」
🧠 专注追踪全球认知神经科学的最尖端突破
🔍 视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊
📄 每日速递「深度解读」与「前沿快讯」
科研是一场探索未知的长跑，但你无需独行。欢迎加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。
👇点击卡片进群，欢迎你的到来👇
一键关注，点亮星标 ⭐ 前沿不走丢！
一键分享，让更多人了解前沿
预览时标签不可点
阅读原文
不喜欢
微信扫一扫
关注该公众号
知道了
微信扫一扫
使用小程序
取消 允许
取消 允许
取消 允许
× 分析
微信扫一扫可打开此内容，
使用完整服务