近日，“世界机器人大赛-BCI脑控机器人大赛”成绩揭晓。
由腾讯天衍实验室与天津大学高忠科、教授团队组成的C2Mind团队经过多轮激烈角逐，入围BCI脑控机器人大赛“运动想象范式”决赛，最终成功夺得一等奖技术赛“颞叶脑机组”，技术赛“颞叶脑机组”。
“训练集中的两个一等奖”冠军。
世界机器人大赛被业界称为机器人行业的“奥运会”。
是国内外具有广泛影响力的机器人领域官方专业赛事。
自2006年以来已成功举办五届，吸引了来自全球20多个国家的12万多名选手参赛。
参加。
BCI脑控机器人大赛作为世界机器人大赛的高科技科研赛事，已成功举办三届。
本次大赛聚焦脑机接口技术在医学康复等领域的创新应用，旨在促进各领域技术与产业的交流与合作，满足人民群众医疗、养老、助残、康复等，并在该领域及各行业实现跨越式、融合式发展。
新型运动想象算法突破脑机接口技术瓶颈BCI（Brain-computer interface，脑机接口）是指对神经系统的电活动和特征信号进行采集、识别和转换，从而使大脑发出的指令人脑可以直接传输给指定的机器终端，使人类对机器人的控制和操作更加高效、便捷，俗称“脑控”。
这项技术是结合了神经科学和人工智能的新兴技术。
在人与机器人的通信领域具有巨大的创新意义和使用价值。
已广泛应用于助残、救灾、娱乐体验等领域。
作为集科技、创新、实用于一体的世界级脑机接口赛事，本次大赛在脑机接口领域也产生了许多突破性的技术成果。
由天津大学和腾讯天衍实验室组成的C2Mind团队从运动想象（Motor imagery，MI）路径开始。
这是一个非常重要的BCI范式，指的是在没有任何身体动作的情况下，用思想来想象身体的动作。
它是一种自发的脑电。
然而，由于脑电信号的不稳定，不同受试者之间的脑电信号差异较大，甚至同一受试者在不同时间段采集的脑电信号也会有较大差异，这使得脑机接口技术发挥不了作用。
使用前需要较长的校准时间，且系统性能不稳定。
这些问题严重影响了脑机接口技术运动想象范式在实际医疗场景中的应用。
研究运动想象算法的腾讯天衍实验室高级研究员刘鲁炎表示，鉴于脑电信号数据差异较大，且数据集样本量较小，导致训练困难，训练的泛化性能较差针对该模型，腾讯天衍实验室与天津大学高忠科、教授团队共同提出了一种创新的运动想象脑电信号分类方法。
该方法首先通过叠加相似样本的时频图来进行数据预处理。
这样保证了数据多样性的扩展，同时保持了原始数据的时频特性。
还增加了模型适应不同受试者或同一受试者不同时间点脑电信号的泛化性能；其次，采用基于GAN的域自适应算法，进一步增强模型对不同脑电信号的泛化性能。
使用该算法训练的轻量级卷积神经网络（CNN）模型具有更强的鲁棒性和泛化性能。
小样本学习技术解决了训练样本缺乏的问题。
当技术算法直接应用于实际数据时，大多数情况下无法获得理想的结果。
因为实际数据往往分布很不均匀，存在训练数据缺乏、算法跨中心泛化能力差、算法精度要求高等问题。
尤其是在严格的医疗场景的实际应用中，这些问题都成为了“技术进步的拦路虎”。
刘鲁彦还介绍，腾讯天衍实验室的运动想象团队基于其长期的技术积累，针对上述行业问题提出了解决方案。
而在医学领域的创新探索，即利用小样本、领域适应、元学习等技术，解决训练样本中由于数据缺乏、数据分布差异大等常见问题，学习出鲁棒性高的模型。
小样本数据集的精确脑电信号分类模型不仅有助于提高运动想象下脑机接口系统的准确性和泛化性，而且为脑机接口运动想象算法的广泛应用奠定了良好的技术基础。
运动想象脑电信号广泛应用于医疗场景。
例如，对于感觉运动皮层相关区域受损的中风患者，脑机接口可以收集受损皮层区域的信号，然后对其进行刺激。
肌肉或控制矫形器可改善手臂运动。
因为癫痫患者的大脑会在某个区域出现神经元的异常放电，而通过脑机接口技术检测到神经元的异常放电后，可以对大脑进行相应的电刺激，从而减少癫痫发作。
同时，运动想象脑机接口在康复对自闭症儿童的训练中也发挥着重要作用。
与正常儿童相比，自闭症儿童在观看他人动作时模仿的积极性较低，感觉运动皮层相应的激活水平也较低。
通过让这些孩子参与基于感觉运动皮层激活水平实时反馈的游戏项目，可以提高他们自我控制感觉运动皮层激活水平的能力，从而改善自闭症症状。
腾讯天衍实验室提出的创新运动想象算法，有望从准确性、效率、实用性、创新性、技术性等多个维度提升脑机接口技术在助残等多个领域的技术应用和产业发展。
它是一项突破，为当前人与机器、人与环境交互技术中存在的难题提供了可行的解决方案。
该算法可以嵌入到不同的硬件系统或软件系统中，实现对主体思想的传输和控制。
例如，脑机接口系统结合外骨骼机器人，可用于偏瘫、中风患者运动功能的主动康复； BCI系统结合电动轮椅有望帮助行动不便的人自由行动等等。
希望在不久的将来，我们可以看到这项技术帮助越来越多的残疾人突破身体和工具的限制。