一项针对两名四肢瘫痪受试者的研究表明，基于运动皮层的侵入式脑机接口（iBCI）在双任务场景下对注意力负荷变化具有较强鲁棒性。研究结合二维光标控制与N-Back工作记忆任务，发现尽管头皮EEG指标显示注意力负荷增加，但iBCI整体性能保持稳定；仅一名信号质量较低的受试者在轻度负荷条件下出现完成时间延长和路径长度增加，而信号质量较高的受试者未受影响。
推荐理由：原文通过双任务范式验证了皮层内脑机接口在注意力负荷变化下的鲁棒性，并揭示了信号质量对个体差异的影响。
武汉协和医院神经外科联合山东蓓明医疗研发国内首个基于高通道矩阵式电刺激的脑机接口精细运动重建系统，系统解码想象运动的脑电信号，经64通道电极刺激手部肌肉形成闭环。2026年8月入组的首名临床试验受试者楚言经近两个月训练后，已能脱离设备弹奏《小星星》，手腕可自主翻转90度。研究共纳入四名患者、尚无对照试验，团队计划扩大规模并将技术推向下肢乃至全身肌肉控制。
初创公司NeuroDoctrine在曼彻斯特国防与太空峰会上公开演示，操作者戴读取视觉皮层脑电的头带、双手插兜控制三架无人机起飞盘旋，信号经设备处理并通过蓝牙发送指令。
MTDANet 是一种结合多尺度时空特征提取、分解时间整合和距离正则化循环注意力的架构，旨在解决运动想象 EEG 单试次解码难题。该模型在 BCI Competition IV 2a/2b 及 BNCI2014_002 数据集上进行了评估，结果显示其在受试者特定协议下取得了最高平均准确率，并在部分对比中表现出统计显著的提升。研究为离线 MI-EEG 评估中的分阶段局部到全局时间建模提供了证据。
10月23日，天津大学脑机海河实验室与中国移动合作的“脑机接口+6G”成果登上央视《新闻联播》。画面中，京津两地实验室双城联动，工作人员借助该技术远程操控异地无人车，实现大脑意图与外部设备的即时直连互通。双方已于2026年初搭建6G网络专线，完成多项脑机操控应用验证，并在脑控机械臂和脑控机器狗赛道斩获奖项，未来将推动技术从实验室验证走向产业化落地。
强脑科技10月22日在杭州举行的2026世界物理AI大会暨宇树合作伙伴生态大会上，作为宇树科技生态合作伙伴展示脑控机器人AI科研平台及Revo 2、Revo 3系列仿生灵巧手，并通过宇树人形机器人演示脑机接口控制应用。
一项新研究提出了基于多尺度卷积神经网络和时空注意力机制的深度学习网络，用于解码运动想象脑电信号。该网络通过四个并行分支提取特征并引入Transformer模块学习全局相关性，最终使用CNN替代全连接层进行分类。在三个公开BCI数据集上的评估显示，其平均准确率分别为80.21%、90.19%和97.32%，均超越了FBCNet和MSFBCNN等最强基线模型。
推荐理由：该研究提出结合多尺度卷积与注意力机制的网络，在三个公开数据集上解码运动想象脑电，准确率优于现有基线。
一项基于 EEG 的研究通过 10 名健康受试者在五种阻力条件下的单侧二头肌弯举，揭示了不同阻力水平下的皮层活动差异。结合 TTCN 与 KNN 分类器，该框架在受试者内评估中达到 97.2% 准确率，跨受试者最高为 93.0%，为自适应脑机接口应用提供依据。
Du K等人发表一项针对VR环境下运动想象脑机接口解码的研究，提出一种分层图学习框架以应对EEG信号的非平稳性和低信噪比挑战。该方法利用多变量变分模态分解解耦复杂EEG信号为节律成分，结合混合特征选择及基于相位锁定值的功能脑网络建模，通过分层图卷积网络捕捉多尺度空间依赖和高阶交互进行三分类。
一项预印本研究记录了恒河猴在执行40种不同手-物交互条件时的前顶叶皮层神经活动与手部运动学数据。该数据集涵盖初级运动皮层、前顶叶等多个脑区的同步信号，旨在解决现有脑机接口研究中运动自由度受限及依赖单一皮层区域的问题，为解码灵巧手部控制提供资源。
推荐理由：该预印本提供了猕猴前顶叶多区域同步记录与自然手动作数据集，有助于突破单脑区解码局限并支持复杂手部行为研究。
脑虎科技（NeuroXess）披露其Triple-Full全植入无线脑机接口系统的最新临床探索案例。一名四肢瘫痪受试者利用该设备绘制草图，经大模型生成选项后由AI构建数字模型并3D打印出玩偶，同时配合智能眼镜实现了病床调节等家居控制。
推荐理由：展示了脑机接口结合AI实现从意念绘图到3D打印及环境控制的完整闭环，并梳理了其与博睿康在注册路径上的异同。
提出融合滑动窗口、傅里叶分解与1D-CNN的运动想象脑电分类框架，在BCIC IV 2a和BCIC III IVa数据集上分别取得93.67%和79.14%受试者内准确率。跨受试者验证中平均准确率为55.50%和76.49%，NVIDIA Jetson Nano部署延迟为58-85毫秒/次。
Kim H和Kim JS发表研究，提出一种生成对抗网络框架，通过从功能相关皮层区域合成初级运动皮层的人工神经信号波形来丰富训练特征。在目标导向手臂伸展任务的脑磁图记录中，该方法使连续运动学解码性能显著提升约10%（p<0.05），且在缺失真实M1信号时仍能维持改进效果。研究进一步将该增强方法推广至运动想象BCI竞赛数据集以提升分类准确率，展示了信号生成网络改善非侵入式运动脑机接口的潜力。
Zhao R等人提出一种名为ResDSNet的新型残差深度可分离神经网络，旨在解决轻量级脑机接口网络中因残差结构不匹配导致的深度瓶颈问题。该研究基于对残差连接路径的分析，设计了符合二项分布层数分配的模块及专用数据预处理单元，有效整合了深层特征提取与残差机制。在运动想象脑电信号解码任务中，该方法克服了传统浅层网络的局限，实现了更优的分类性能。
RUNet 是一种针对运动想象 EEG 信号的零校准解码框架，旨在解决因个体差异和环境因素导致的会话间及受试者间变异性问题。该框架结合黎曼流形学习与无监督表征学习，利用多尺度时空卷积模块捕获局部-全局空间及多分辨率时间动态特征。通过引入多协同协方差优化模块增强非平稳性下的特征鲁棒性，并集成黎曼仿射对数映射层以缓解跨域协方差漂移，从而提升域不变特征的学习能力。
MSHANet 是一种用于运动想象脑电（MI-EEG）解码的多尺度混合注意力网络，在 BCI Competition IV 2a/2b 及 EEGMMID 数据集上验证。其受试者内实验准确率达 83.56%、89.75% 和 75.66%，跨受试者实验分别为 69.93%、81.85% 和 79.67%。引入电极空间结构感知编码器后，BCI-2a 任务解码性能进一步提升约 2.8%-2.9%。
脑虎科技披露其自主研发的全植入、全无线、全功能（“三全”）脑机接口系统最新临床探索进展。高位截瘫受试者小嘉在2026年4月植入该系统后，结合AI大模型、3D打印及AI智能眼镜，实现了从脑控草图生成实体手办、定制生活辅具，到通过视觉感知控制智能家居设备等多场景应用。
推荐理由：展示了全植入脑机接口与AI及3D打印协同实现从意图到实物的完整链路，为行动受限者提供新交互范式。
一项研究评估了共形预测作为命令门控在跨会话EEG偏移下的有效性，旨在解决错误运动想象指令导致意外设备动作的问题。实验对比了阈值共形预测、RAPS和Chow选择性预测等方法，结果显示门控机制将OpenBMI数据集的错误决策率从37.5%降至9%-16%，BCIC IV-2a数据集从35.5%降至6%-8%。该研究提供了根据应用特定风险容忍度选择校准源和不确定性感知门控策略的框架。
推荐理由：原文提出共形预测门控机制以应对跨会话脑机接口误差，读者可据此了解不同风险容忍度下的策略选择框架。
加州大学旧金山分校Edward Chang团队于2026年9月14日在《Nature Neuroscience》发表论文，展示了两名瘫痪受试者通过单个皮层表面植入物实时同步解码语音和上半身手势。
推荐理由：该研究揭示了多模态神经信号的非线性叠加特性，指出同时训练比单独训练更有效，为多效应器脑机接口系统设计提供了关键数据依据。
Blackrock Neurotech 脑机接口部门应用团队负责人 Spencer Kellis 介绍，其团队由软件、临床神经科学和数据科学小组组成，工作覆盖与学术伙伴的神经科学研究到为 BCI 系统开发软件平台和算法。
研究发现自适应解码器在运动皮层脑机接口学习中会导致神经表征紧凑化，即任务信息集中在少数读出神经元和低方差群体模式中。实验数据显示，与固定解码器相比，使用闭环解码器适应（CLDA）时，达到80%分类准确率所需的神经元数量显著减少。
推荐理由：揭示了自适应解码器在提升性能的同时导致神经表征紧凑化的机制，为优化脑机接口长期稳定性提供理论依据。
加州大学旧金山分校团队在《Nature Neuroscience》发表研究，证明单一高密度皮层脑电（ECoG）植入物可支持严重瘫痪患者同时进行语音和手势的多效应器解码。
推荐理由：该研究验证了单一皮层脑电植入物同时解码语音与手势的可行性，为瘫痪患者恢复多模态自然交流提供了技术路径。
《自然·神经科学》发表研究亮点，介绍了一项发表于《自然·医学》的研究，该研究开发了一种双神经旁路系统，结合双向皮层内脑机接口与脊髓及皮层神经调控，旨在恢复四肢瘫痪患者的上肢运动和感觉。
推荐理由：该研究亮点介绍了结合双向皮层内脑机接口与神经调控的双神经旁路系统，展示了其在恢复四肢瘫痪患者上肢运动和感觉方面的潜力。
Nature Communications 发表研究提出感官引导的人机联合学习框架，旨在解决运动想象脑机接口（MI-BCI）训练慢且难的问题。该框架结合振动触觉刺激与样本重加权机制，实现用户神经模式生成与解码器优化的同步适应。
推荐理由：提出感官引导的人机联合学习框架，通过触觉反馈与解码器协同优化加速运动想象训练，为提升非侵入式脑机接口易用性提供新路径。
Vassiliadis 等人研究表明，实时强化反馈可替代感觉反馈以提升脑机接口运动表现。该方法通过激活大脑奖励系统实现强化学习，在感觉反馈受限或受损时仍能改善运动控制。
加州理工学院团队在《Communications Biology》发表研究，探讨运动皮层（MC）在脑机接口（BMI）光标控制中的动态特性。研究发现，尽管不同持续时间的同向运动共享相同的MC初始条件，但长时程运动会使MC活动维持在低速度稳态直至达到目标。这种跨时长的群体动力学差异归因于外部输入的作用，强调了持续输入对运动皮层在运动过程中的关键影响。
推荐理由：揭示了不同时长BMI任务中运动皮层动态差异源于外部输入，为理解长期稳定控制提供新视角。
研究人员利用8名瘫痪受试者植入的20个微电极阵列，首次绘制了人类中央前回（PCG）顶部在单神经元分辨率下的全面运动图谱。研究发现PCG包含四个主要功能区域：背侧手臂-手部区、中部语音区、腹上广泛调谐的面部区和腹下语音区，且各区域均存在可解码的全身运动表征。
推荐理由：该研究绘制了人类中央前回单神经元分辨率的全身运动图谱，揭示了四个功能分区及组合式神经编码，为优化脑机接口电极植入位置提供了依据。
Nature发表一项关于皮层内脑机接口（BCI）的研究，显示一名ALS瘫痪患者在19个月内累计超过3800小时独立使用该系统进行语音沟通和电脑操作。
推荐理由：展示了皮层内脑机接口在家庭环境中支持独立日常使用的可行性，为严重瘫痪患者恢复数字交互提供了实证依据。
1998年，格拉茨大学团队利用通用空间模式（CSP）算法处理64通道运动想象EEG数据，使受试者“g3”在实时实验中连续160次正确移动光标，达成首个100%准确率的脑机接口记录。该突破证实了信号处理与系统工程协同优化对高性能BCI的关键作用，CSP至今仍是运动想象解码的核心基准算法。
脑虎科技报道两名高位截瘫患者利用其“三全”脑机接口系统，分别在上海和南昌完成了跨越800公里的象棋对弈。上海患者通过脑控虚拟棋盘发送指令驱动南昌机器人落子，南昌患者则通过脑控外骨骼手套直接执棋。
推荐理由：展示了脑虎“三全”系统在跨城远程操控与精细动作恢复上的实际临床效果，体现了从光标控制到外骨骼及电刺激辅助的进阶路径。
Rice University and Baylor College of Medicine have joined the BrainGate consortium. The collaboration focuses on decoding cortical neural signals to control robotic assistive devices。
脑虎科技宣布其自主研发的全植入、全无线、全功能（“三全”）脑机接口系统完成第二例临床试验，帮助一名29岁高位截瘫美术教师实现自主进食与绘画创作。该系统采用柔性皮层电极置于硬膜下，结合50毫秒全链路超低延时与脑机接口驱动功能性电刺激技术（BCI-FES），构建了“意念-解码-刺激-动作”闭环，使患者术后1个月即可通过意念控制患侧手部完成精准抓握及书写等高难度动作。
推荐理由：展示了“三全”系统在第二例临床中的具体表现，特别是BCI-FES闭环技术在恢复高位截瘫患者精细动作方面的实际效果。
Neuralink公布其脑机接口产品Telepathy运行两年的临床进展，目前全球已有21名受试者（Neuralnauts）参与试验。数据显示部分受试者信息传输率超过8-10 bits/s，其中一名受试者在植入一周内达到10 BPS以上；通过想象手指移动，受试者实现了最高40词/分钟的打字速度。
推荐理由：披露了21名受试者的临床进展与数据，包括打字速度、信号质量改善及未来硬件迭代计划。
Neuralink公布PRIME研究首位受试者Noland Arbaugh植入Link设备约100天后的进展。数据显示其光标控制峰值达8.0 BPS，单周总使用时长69小时，涵盖游戏、直播及办公场景。针对术后部分电极线程回缩导致性能下降的问题，团队通过优化记录算法和界面实现了性能回升，目前正致力于提升文本输入功能并探索对物理设备的控制能力。
推荐理由：披露了PRIME研究首位受试者术后百日的具体使用数据与性能指标，展示了从电极回缩到算法优化后的恢复过程。
Neuralink公布其N1 Link设备在恒河猴Pager身上实现无线全植入脑机接口的演示，猴子通过运动皮层神经活动实时控制电脑光标和MindPong游戏。该设备包含1024个电极，双侧植入运动皮层，每25毫秒通过蓝牙传输尖峰计数向量至解码软件。研究指出当前处于动物模型验证阶段，旨在解决瘫痪患者直接操作计算机的难题，并提及未来可能用于恢复肢体运动功能。
推荐理由：展示了N1 Link在恒河猴模型中实现无线全植入运动皮层解码的技术细节，为理解其临床前验证阶段提供了具体数据。