论文探讨了如何将人工智能集成到共享控制范式中，特别关注了人与机器人之间接口的要求和如何在显著减少心理负担和所需的运动技能的同时保持人的参与。

Jun, 2023

本文提出了一种基于知识蒸馏的框架，通过混合范式诱导的 EEG 信号操纵机械臂以实现实用化，并证实使用分层模型和知识蒸馏可以提高简单结构的性能。

Dec, 2022

本文提出了用户驱动的智能界面的新概念，它应用于各种领域中，如残疾研究，教育，家庭护理，医疗保健等，通过脑机交互等方式，利用多模态增强现实技术，以及通过机器学习等方法，分类实时神经物理反应的即时反馈，以克服当前可用用户界面的局限性，特别是针对功能残疾人群。即使在当前状态下，结合增强现实和脑机交互的接口也能提供高度适应性和个性化的服务。

Apr, 2017

本文介绍了一种结合了共享自主系统和学习潜在动作的方法，用于实现精确的援助机器人操作，主要集中在维度减少技术和对象操作方面。

May, 2020

脑机接口（BCIs）提供了从大脑到外部设备的直接路径，具有辅助和康复技术的巨大潜力。通过引导用户生成朝向解码器估计的最优分布的脑信号，提出了一种人机联合学习框架来加速内源性 BCIs 中的学习过程。通过 18 名健康受试者的在线和伪在线 BCI 实验，证明了所提出的联合学习过程在学习效率和效果上的优势。

Aug, 2023

本研究评估了一种专门针对上肢障碍人群的自适应自由度控制方法，在逼真的日常任务环境中，通过 24 名参与者进行 81 次试验，使用三种不同的输入设备进行了受试间分析。研究主要关注主观定性数据，结果显示不论使用哪种输入设备，试验完成率始终高，参与者对研究过程表示赞赏，展现了积极的态度和对控制系统的快速适应能力。值得注意的是，每个参与者都能在短时间内有效地完成所给任务。

Jun, 2024

提出了一种基于深度学习的框架，利用强化学习选择性注意机制和修改后的 LSTM 算法等方法，实现了人与物联网对象之间的认知互动，验证了该方法的有效性。

May, 2018

共享自主能力使机器人能够推断用户的意图并协助完成任务。然而，当用户想要完成机器人不了解的新任务时，共享自主将阻碍其性能。本文提出机器人可以检测到其意图表述能力的不足并将控制权交还给用户来实现任务，从而使机器人能够进行无阻碍的任务执行并学习到新的意图来更新自己的意图库，并展示了该方法的良好表现和能够实现的全生命周期学习。

Apr, 2021

结合深度强化学习和脑机接口技术的研究，提出了一种协同操作系统来改善自主系统的干预以及通过考虑环境因素来提高脑电图活动解码的性能。

Dec, 2023

采用先前任务学习得到的先验知识，我们提出了一种串联的前两名 Thompson 抽样算法 (Sequential Top-two Thompson Sampling, STTS)，将广义多臂老虎机中的最佳臂序列问题视为一系列任务。这种算法取得了实质性的实验性改进。

May, 2023