日前，「2020世界機器人大賽-BCI腦控機器人大賽」公布成績，騰訊天衍實驗室和天津大學高忠科教授團隊組成的C2Mind戰隊，經過多輪賽程的激烈比拼，入圍BCI（Brain-computer interface，腦-機接口）腦控機器人大賽「運動想像範式」賽題決賽，最終成功斬獲技術賽「顳葉腦機組」一等獎，以及技術錦標賽「顳葉腦機有訓練集一等獎」兩項冠軍。
作為世界機器人大賽中一項高精尖科研類賽事，BCI腦控機器人大賽已成功舉辦三屆。此項競賽內容重點考察腦-機接口技術在醫療康復等領域的創新應用技術成果，旨在推動該技術與各領域產業交流合作，滿足人們醫療、養老、助殘、康復等多樣化的民生需求，實現該領域與各行業的跨越融合發展。
創新腦電信號分類 實現運動想像算法突破
BCI是指通過對神經系統電活動和特徵信號的收集、識別及轉化，使人腦發出的指令能夠直接傳遞給指定的機器終端，從而使人對機器人的控制和操作更為高效便捷，俗稱「腦控」。該項技術是一項融合了神經科學和人工智慧的一門新興技術，在人與機器人的交流溝通領域有著重大創新意義和使用價值，其已廣泛應用於助殘康復、災害救援、娛樂體驗等多個領域。
作為集科技性、創新性、實用性於一體的世界級BCI賽事，本屆大賽上也誕生了諸多腦-機接口領域突破性技術成果。由天津大學和騰訊天衍實驗室組成的C2Mind戰隊，從運動想像（Motor imagery，MI）路逕入手，在沒有任何肢體接觸的情況下，利用意念想像形成自發性腦電，影響機器人的肢體運動。
但是，由於腦電信號的不穩定性，以及不同受試者腦電信號差異較大，甚至同一受試者在不同時間段採集的腦電信號都會存在較大差異，這使得腦機接口技術在使用前均需較長的校準時間，且系統性能不穩定，這些問題均嚴重影響了腦機接口技術運動想像範式在實際醫療場景中的應用。
據騰訊天衍實驗室高級研究員柳露豔介紹，針對腦電信號數據差異大，且數據集樣本量少，而導致訓練困難及訓練模型泛化性能差等問題，騰訊天衍實驗室聯合天津大學高忠科教授團隊，創新地提出了一種運動想像腦電信號分類方法。該方法首先通過將同類樣本的時頻圖進行疊加的方式進行數據預處理，這樣在保證擴充數據多樣性的同時，又保持了原始數據時頻特性，同時還增加了模型在不同受試者或者同一受試者不同時間點腦電信號上的泛化性能；其次使用了基於GAN的領域自適應算法進一步加強了模型在不同腦電信號上的泛化性能。使用該算法訓練的輕量級卷積神經網絡（Convolutional neural network，CNN）模型，具有更強的魯棒性和泛化性能。
小樣本數據解決方案 化解訓練樣本缺乏難題
據悉，在技術算法直接應用於實際數據時，大多數情況下無法獲得理想結果。因為實際數據往往分布得很不均勻，且存在訓練數據缺乏、算法跨中心泛化能力差、算法準確度要求高等問題，尤其在嚴謹的醫療場景實際應用中，這些問題則成了技術精進的「攔路虎」。
柳露豔表示，騰訊天衍實驗室運動想像團隊基於其在醫學領域的長期技術積澱和創新探索，針對以上行業性問題提出了解決方案，即採用小樣本、領域自適應、元學習等技術解決訓練樣本缺乏、數據分布差異大等普遍存在的難題，從小樣本數據集中學習出魯棒的、高精度的腦電信號分類模型，不僅有助於提升運動想像下的腦-機接口系統的精度和泛化性，而且為腦機接口技術的應用奠定良好的技術基礎。
科技向善助力殘障 運動想像算法應用場景廣泛
據介紹，運動想像腦電信號在醫療場景中的應用非常廣泛。如對於感覺運動皮層相關部位受損的中風病人，腦機接口可以從受損的皮層區採集信號，通過刺激肌肉或控制矯形器，改善手臂運動。因癲癇病人的大腦會出現某個區域的神經元異常放電，而通過腦機接口技術檢測到神經元異常放電後，可以對大腦進行相應的電刺激，從而減少癲癇發作。
同時，運動想像腦機接口在針對自閉症兒童的康復訓練中也承擔著重要的角色。與正常兒童相比，自閉症兒童在觀看他人運動情景時模仿動機弱，相應的感覺運動皮層激活程度較低。通過讓這些兒童參與基於自身感覺運動皮層激活程度強弱實時反饋的遊戲項目，可以提升他們對感覺運動皮層激活程度的自我控制能力，從而改善自閉症的症狀。
騰訊天衍實驗室提出的運動想像創新算法，有望從準確性、效率、實用性、創新性、技術性等多維度提高腦-機接口技術在助殘康復等多領域的技術應用與產業發展，為突破當前人類與機器、人類與環境的交互技術中存在的難題提供了一個可行的解決方案。這項算法可以通過嵌入到不同的硬體系統或者軟體系統，為受試者實現意念傳輸和控制。比如，運動想像創新算法與外骨骼機器人結合的BCI系統，可用於偏癱、腦卒中患者運動功能的主動式康復；與電動輪椅結合的BCI系統，有望幫助肢體行動不便的人群自由活動出行等等。希望在不久的將來，可以看到這項技術幫助越來越多的殘障人士突破肉體和工具的局限。