神经科学与认知科学
突破级
有讲解视频
收录解读
这篇论文关注长期脑机接口部署中的一个核心工程问题：神经信号分布会随时间漂移，导致原本有效的解码器逐渐失效。作者提出用隐马尔可夫模型做长期无监督重校准，目标是在尽量少人工干预的情况下维持 cursor-based intracortical BCI 的可用性。
方法上，作者把用户意图和神经观测的时序结构结合起来，用 HMM 在长期使用过程中持续修正解码器参数，而不是依赖频繁人工重新标定。重点在于把行为时序先验和解码漂移修正结合。
这篇工作适合放在认知/脑机接口主线。它的价值不在于提出一个更大的模型，而在于解决真实闭环 BCI 系统“如何长期稳定运行”的关键障碍，这种长期重校准能力很有转化意义。
它没有升到更高一级，因为方法的外溢范围主要仍在特定 intracortical BCI 场景，虽然很实用，但还不足以称为脑机接口范式重排。