罗盘 / 神经解码器跨被试泛化
暗星档案 · 未点亮的星神经解码器跨被试泛化
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
神经解码器跨被试泛化T6 量级 · 行星
让脑机接口"即插即用",不用每人现校准
所属星云脑机自由对话·思维直连超越血肉
暗星编号DS-0658
轴E · 能量与能力前沿
领域cognition-education
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
当前脑机接口解码器高度依赖个体校准——每个新用户、甚至同一用户的新场次都要重新采集数据训练模型,原因是个体间神经信号差异大、且同一人的信号会随电极移位、组织反应等因素漂移。攻破意味着一个训练好的解码器可以"零样本"或极少校准就用在新用户身上,把脑机接口从实验室里的定制品变成能规模化部署的产品,是残疾人辅助设备真正走向普及的关键前置条件。
卡在哪 · 机制级卡点
神经活动的个体差异和非平稳性(电极移位、组织反应导致信号随时间漂移)使得跨被试、跨场次模型迁移效果远不如同被试内; 域泛化、对抗式域适应等方法已有进展但离"免校准"的稳定商用水平仍有差距。
谁在攻
多个学术团队在推进域泛化/基础模型路线(如 Neural Data Transformer、POYO 等跨被试预训练模型),2025-2026 有多篇 arXiv/PMC 论文报告零样本/域泛化方法进展,尚无统一的行业标准或公司级产品宣称解决
怎么参与
机器学习背景可参与开源 EEG/神经解码基准数据集(如 BCI Competition、MOABB)复现跨被试泛化方法