字号
主题
主题色
字体
文献集总览 / 猕猴上肢运动、学习与虚拟反馈 / B · 闭环 BCI、感觉反馈与解码器适应 / B01 · 脑机脑接口的主动触觉探索

B01 · Active tactile exploration using a brain–machine–brain interface

O'Doherty, J.E., Lebedev, M.A., Ifft, P.J., Zhuang, K.Z., Shokur, S., Bleuler, H., & Nicolelis, M.A.L. (2011). Nature, 479, 228–231. doi:10.1038/nature10489

猕猴通过 M1 活动控制虚拟效应器,并利用 S1 微刺激提供的接触相关线索辨别虚拟物体。记录与刺激的时间复用使这一双向脑机接口在本文任务中可行。

核对版本:Zotero VR 集合中的本地 PDF(2026-09-18);Zotero 条目 · 打开原文。图下页码均为该 PDF 的文件页序,从 1 开始,可能不同于期刊印刷页码。

本文目录
  1. 背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 逐图解读
  6. 讨论与解读边界
  7. 思考问题

背景

脑机接口若只负责把神经活动转成运动,用户仍然缺少完成任务所需的感觉闭环。控制机械臂接近一个物体之后,何时发生接触、接触的是哪一种表面、应当继续施力还是转向其他目标,都不能单靠运动指令解决。自然上肢控制会把视觉、皮肤触觉和本体感觉一起用于探索,因此,双向神经假体不仅要“读出”运动意图,还要把接触相关信息“写入”感觉系统。早期皮层内 BCI 已能驱动光标或机械装置,但人工感觉反馈能否真正参与连续的目标选择,而不是只在被动试次中引起可检测反应,是需要独立验证的问题。

将记录与刺激放进同一套系统还会带来工程困难。运动皮层信号需要在执行控制时持续读取,而 S1 微刺激会产生强烈的电伪迹,可能淹没同时记录的神经活动。人工纹理也不能简单等同于自然皮肤纹理:研究者必须选定可区分、可学习的刺激模式,再检验动物是否会主动利用这些模式进行探索,而不是被视觉位置、声音或偶然奖励策略引导。停留时间、排除非目标后的转移、零刺激对照和跨任务学习,因而比单次正确率更能说明反馈是否进入了行为闭环。

O'Doherty 等据此构建脑—机—脑接口:M1 活动经解码驱动虚拟执行器,执行器接触虚拟物体时,S1 接受不同时间结构的微刺激,以人工纹理标记奖励与非奖励物体。研究比较手控、仍握杆的脑控和移除操纵杆的脑控,逐步增加物体位置与纹理辨别难度,并采用记录—刺激时间复用减轻伪迹。它要回答的是,M1 输出控制与 S1 人工反馈能否同时工作,动物能否据此形成主动探索策略,以及刺激背景下运动调谐是否仍可使用。这里的“纹理”是实验定义的刺激类别,并不预设已经恢复自然触觉的全部感受或身体所有权。

研究思路

虚拟执行器接触物体时触发不同ICMS模式,动物据此辨别奖励目标。记录和刺激采用时间复用以减轻伪迹,并比较手控、脑控、探索行为及神经调制;人工纹理辨别不等于恢复了全部自然触觉。

方法

两只成年雄性恒河猴(猴 M、猴 N),每只动物双侧半球共植入四个 96 通道不锈钢微丝阵列(左右半球各两个,分别覆盖上肢与下肢代表区),同时记录 M1 与 S1 神经放电;实际运动解码主要使用对侧(右侧)半球的上肢微电极阵列(两只猴均用左手控制操纵杆)。阵列内部微丝按两个 4×4 的三联体(triplet)网格排列,网格间距 1 mm,三联体内部微丝长度阶梯差为 300 μm,最长微丝达 2 mm。皮层内微电极刺激(ICMS)采用电荷平衡的双相方波脉冲,以双极模式施加:猴 M 选取两对微丝电极刺激 S1 手部代表区(脉冲宽度 105 μs),猴 N 选取一对微丝电极刺激腿部代表区(脉冲宽度 200 μs)。人工触觉纹理通过两层频率结构进行调制编码:奖励纹理(RAT)为 200 Hz 脉冲串按 10 Hz 周期进行方波调制(每个刺激子脉冲串含 9 个脉冲);非奖励纹理(UAT)为 400 Hz 脉冲串按 5 Hz 周期调制(每个子脉冲串含 18 个脉冲);无刺激纹理(NAT)不施加电刺激。行为任务要求猴子在视野中至多三个视觉外观完全相同的虚拟目标中识别出具备 RAT 属性的目标,并将虚拟效应器在其上方保持 0.8–1.3 s(手动控制)或 300–500 ms(脑机接口控制)以获取糖水奖励;每个虚拟目标由中央判定区和外周反馈区构成,效应器一旦滑入反馈区即刻触发相应模式的微刺激。实验设置了三种控制模式:手动控制(HC,操纵操纵杆)、握杆脑控(BCWH,手握断开的操纵杆)以及无杆脑控(BCWOH,移除操纵杆并物理约束手臂)。运动解码器采用无迹卡尔曼滤波器(UKF,多数会话为 3 阶状态,最高测试至 10 阶),以 10 Hz 周期刷新更新,滤波参数拟合自手动操作或被动观察阶段的放电数据。任务划分为五个难度梯度:任务 I 为两个目标固定空间位置(RAT 对比 NAT);任务 II 将目标位置逐试次随机化;任务 III 引入两类主动刺激的辨别(RAT 对比 UAT);任务 IV 为三目标全随机空间排布;任务 V 将屏幕光标替换为第一人称视角的虚拟猕猴手臂(神经控制环路 50 Hz,视觉渲染 30 Hz,采用手部末端控制结合逆运动学约束)。猴 M 累计完成了 72 个行为训练会话。

主要结果

行为测试显示,两只猕猴均能基于皮层微刺激反馈在脑控模式下识别目标。猴 M 在任务 I 的第 9 个会话中成绩显著超过随机猜测水平(单侧二项检验 p < 0.001;猴 N 历经 4 个会话达标),并在难度递增至任务 V 时维持学习进步。在不同虚拟目标上的驻留时间差异反映出感觉辨别的有效性:在训练初期,动物在 RAT 与 NAT 上的停留时间未见显著区别;训练完成后,RAT 上的驻留时间显著延长,而 NAT 上的驻留时间明显缩短——在手动控制下,猴 M 在 RAT 上的平均驻留时间为 1396±21 ms,在 UAT 上为 452±13 ms,在 NAT 上缩短至 304±8 ms(单因素方差分析 p < 0.01;猴 N 对应数值分别为 1165、402、300 ms),该辨别过程在数百毫秒内完成。状态转移概率矩阵显示出探索行为的规律性:效应器首次接触即落在 RAT 时,直接驻留的概率在猴 M 为 0.70,猴 N 为 0.76;若首触落在 UAT,继续驻留的概率仅为 0.05(猴 M)与 0.01(猴 N);而在接触 NAT 时,所记录的继续驻留概率为 0.0;当连续探查第二个目标后,自 NAT 或 UAT 转向 RAT 的转移概率升高至约 0.7,返回重访的概率下降至约 0.2。

在完全神经闭环控制下,任务完成度存在操作代价:在握杆脑控(BCWH)模式下,猴 M(记录神经元大于 200 个)的辨别正确率为 73.75±3.00%(手动控制为 91.48±1.20%);猴 N(记录神经元约为 50 个)的正确率为 50.37±3.74%(手动控制为 91.45±1.91%),两者仍显著高于 33% 的随机概率。在无杆脑控(BCWOH)模式下,以单位时间获得的奖励数统计,猴 M 从每分钟 1.021±0.007 次稳步上升至 2.962±0.005 次,虚拟效应器运动轨迹的主频能量与任务表现显著相关(x 轴 R² = 0.16,y 轴 R² = 0.26,p < 0.001);在 NAT 上的停留探索时间(3620±350 ms)显著短于 UAT(4270±310 ms),表明动物学会了快速跳过无电刺激反馈的目标。心理物理学阶梯测试测得 ICMS 辨别电荷阈值约为每相 8 nC(对应 100 μs 脉宽、80 μA 电流强度);在任务 II 中穿插约 1% 的零刺激捕获试次(catch trial),辨别正确率回落至随机水平(p = 0.90),排除了动物利用伴随视听线索完成辨别的可能。

神经电生理分析支持了双向闭环的可行性。一方面,M1 运动神经元的方向调谐特性在不同微刺激脉冲模式干扰下保持稳定(手动控制与脑控模式均如此),交替时间复用采集有效抑制了刺激伪迹对运动表征的破坏。另一方面,当效应器轨迹被录像重放而动物仅处于被动观察状态(手臂完全固定)时,利用独立训练的解码器仍能从 M1 神经群体活动中较准确地重构出虚拟效应器的位移轨迹。

逐图解读

图1

来源:原文 Fig. 1,PDF 第 9 页。

图 1 · 脑机脑接口系统架构:运动解码、触觉写入与时间复用。 (a) 概念设计:运动意图自 M1 实时解码驱动虚拟效应器,当效应器接触虚拟物体时 S1 接受特定模式的微刺激,形成神经运动读出与感觉写入的闭环系统;具体肢体运动状态按手动控制(HC)、握杆脑控(BCWH)与无杆脑控(BCWOH)分别界定。(b) 双侧大脑半球 M1 与 S1 微丝电极阵列植入解剖位置。(c) 猴 M 实际用于微刺激的两对电极(红色标记,定位于 S1 手部代表区)。(d, e) 刺激伪迹隔离策略:示例试次中猴子首先探查非奖励物体(灰条指示刺激时段,脉冲参数为 400 Hz 脉冲串经 5 Hz 调制)随后转向奖励物体,下方放电光栅图展示了每个刺激脉冲后 5–10 ms 内的饱和伪迹,系统通过 20 Hz 时间复用机制交替进行神经记录与电刺激以避开干扰。

图2

来源:原文 Fig. 2,PDF 第 10 页。

图 2 · 触觉辨别行为学习曲线。 (a) 五个实验任务层级的刺激与规则设计。(b) 猴 M 历经 72 个训练会话的辨别正确率:任务 I 早期处于随机水平,第 9 个会话显著超过基线(空心圆标记未达显著的会话);在随后任务难度递增时,表现呈现初期回落继而稳步上升的技能习得特征;星号标记用于心理物理学测试的会话(辨别阈值约为每相 8 nC)。(c) 三种纹理目标上的平均停留时间:经过训练后,奖励纹理(RAT,方块)上的停留时间持续增加,非奖励纹理(UAT,三角)与无刺激目标(NAT,叉号)上的时间持续缩短,脑控(红色)与手控(黑色)趋势一致。(d) 单个会话内部的学习进展:无杆脑控(主图)及手控与握杆脑控(插图)的单位时间奖励率在单日内均呈显著线性增长。

图3

来源:原文 Fig. 3,PDF 第 11 页。

图 3 · 主动感觉探查的行为学统计。 (a, c) 两只猴在三种纹理目标上的停留时间概率分布(猴 M:手控 1809 次试次,脑控 1355 次试次;猴 N:手控 808 次,脑控 729 次),在手控模式下,猴 M 在三种目标上的平均驻留时间依次为 1396、452 与 304 ms,呈现分级差异;在脑控模式(插图)下驻留时间略有延长但相对次序保持不变。(b, d) 探查行为的状态转移概率图(连线粗细对应转移概率):首次接触若落在奖励目标,直接驻留的概率在两只猴分别为 0.70 与 0.76;若首触落在无刺激目标,所记录的继续驻留概率为 0.0;探查第二个目标后转向奖励目标的概率升至约 0.7,返回重访的概率降至约 0.2。

图4

来源:原文 Fig. 4,PDF 第 12 页。

图 4 · M1 运动调谐的稳定性与动作观察表征。 (a, b) 猴 M 在 294 次脑控试次中的表现:目标出现于屏幕左侧时的平均效应器轨迹(a)以及对应的 M1 神经元放电调制(b),红色实线代表虚拟效应器,黑色虚线代表物理断开的操纵杆;标准化神经放电率与效应器运动的关系在三种触觉刺激背景下维持稳定,表明微刺激未破坏皮层运动调谐。(c, d) 主动控制(c)与被动动作观察(d)的离线重构对比:黑线为真实位移轨迹,红线为解码重构轨迹;在动物仅被动观察效应器移动时,M1 放电活动仍携带明确的轨迹信息,其解码精度与主动控制阶段相近。

讨论与解读边界

实验将接触事件转成可辨别的刺激模式,而不只是预先给一条动作指令。行为学习、探索时间和去除刺激的对照共同支持动物确实使用了 ICMS 线索。这里的“人工纹理”指刺激模式定义的类别,不表示它已重现自然皮肤纹理的知觉。

需要区分手控、仍握操纵杆的脑控和移除操纵杆的脑控条件。不能把所有结果都描述为完全没有身体运动;图 4 的 BCWH 条件中手仍可运动。M1 调谐大体保留支持系统可用,并不证明刺激对神经处理毫无影响。动作观察时能解码轨迹也不是身体所有权的证据。解码器可从手控或被动观察数据训练,原笔记“始终从手控数据拟合”的说法不完整。

思考问题

  1. 将 ICMS 模式随机映射到不同纹理标签后,动物学到的是接触感觉、抽象类别,还是二者都有?
  2. 在真正的抓握与力控制任务中,接触时刻、接触位置和力大小分别需要多大的反馈带宽?
返回总纲