据美国《新闻周刊》报道，美国国防部正在探索开发“高带宽神经接口”技术，旨在实现人脑与外部电子设备的实时数据信息交互。自本世纪初，美军就开始积极探索“脑机接口”的军事应用，先后投入巨资研究意念控制的武器装备和机器人系统。随着该技术的发展成熟，美军将通过对士兵脑电波信号的采集处理，构建以脑控无人机为代表的意念作战模式，一场基于人脑远程控制的战争新模式正加速形成，并将深刻改变未来战场装备操控与攻防对抗，一大批“心有灵犀”的脑控作战新“杀手”正呼之欲出。

随心而动 无人机遇上脑电波

作为认知科学的研究前沿，脑科学正日益得到人们的广泛关注。日前，美国国防部高级研究计划局通过在动物体内植入的微型传感器，成功开展了记录神经活动的相关试验。这种微型传感器包括神经感知和信号发射两个模块，只有回形针大小，外形随环境变化，可实时记录并传送大脑向身体其他部位发出的电信号。

在此之前，美国国防部高级研究计划局还研究过将脑电波转换成数字信号的“大脑调制解调器”，将微弱的脑电波放大并传送到计算机中，进行信号处理与模式识别，就可以把人的思维转换成机器的控制指令。2015年葡萄牙一家公司就通过研究“意念控制物体移动”，实现无人机与脑电波的完美结合，无人机操作者只需佩戴一个外置电极头盔，就可以通过脑电波信号实现对无人机“随心而动”的意念操控。

目前，美军正积极探索肌体协同控制装置，研制的“认知技术威胁预警”系统可使士兵在3秒内完成100个威胁目标的判定识别。此外，瑞士科学家也成功实现了人脑意念控制轮椅行走。2014年，德国慕尼黑工业大学成功完成脑控无人机飞行试验，试验中没有飞行经验的志愿者通过大脑思维完成了飞机的起降操作。

意念控制 人机一体智慧作战

作为人体的联合指挥中枢，人脑是一个高度复杂的信息产生和处理系统。大脑在进行思维活动或受到外界刺激时，都会伴有神经系统一系列电信号活动的产生，其中最为我们熟知的就是脑电波。事实上，脑电波也是电磁波的一种，人类在思考时像电视信号塔一样不断发送无线电信号。因此，除使用脑内植入芯片模式，还可以直接使用脑电波接收机接收大脑信号。

神奇的是，早在第二次世界大战期间，德国科学家就通过电子管制成了第一代脑电波接收仪，可实现100米范围内大脑思维信号向声音的转换。此后，经过半个多世纪的技术革新和创新发展，已经可以通过各种手段捕捉人脑“瞬息万变”的思维信号，并将其成功转化为可以驾驭外界设备的电子信号。

目前，已经可以从脑电波中分离出大脑思维信号、视觉神经信号和听觉神经信号，并将其转换为可以辨别的声音、文字和图像。随着对脑信号的深入解读，未来人机一体的脑控意念武器将成为现实。意念控制的武器装备可直接读懂大脑神经信号，将人这一战争主体从战场的最前沿解放出来，实现人机一体“心有灵犀”的应用效果。

呼之欲出 引领脑战争新时代

脑控装备为武器操控和作战运用提供了全新的发展方向。按照美国国防部高级研究计划局的设想，植入式微型传感器最早将于2017年开展基于人体的试验。预计该装置将在大脑里连续工作数月，实时记录并传送人脑产生的缜密思维，用以对装备进行意念操控。

脑科学技术正得到各军事大国的广泛关注，美国于上个世纪90年代率先提出“脑的十年计划”，并于近期加强了对人脑意念控制作战领域的研究。日本、欧盟也相继提出“脑科学时代”计划和“人类大脑研究”计划，重点探索脑科学及相关技术领域。2013年英国和美国研究人员成功搭建脑控飞船模拟器装置，通过人脑思维可直接控制飞船模拟飞行。欧盟通过开展脑飞行计划，旨在实现飞行员通过大脑思维直接驾驶飞机。

“脑控枪”“脑控战车”等新奇装备正逐步从科幻走向现实。目前，美国国防部高级研究计划局通过开展“阿凡达”计划研制“机器战士”，可直接通过大脑意念远程操控，代替士兵遂行作战任务。已经进行技术探索的“脑控汽车”，可在人脑思维活动的直接控制下，完成行驶、加速甚至是急转弯。此类技术一旦成熟，将直接开启无人作战装备操控新时代，掀起“脑控”作战的战场风暴。

【摘要】：非完整约束广泛存在于轮式移动机器人(wheel mobile robot,WMR)系统中,由于移动机器人系统物理约束的存在,对脑机接口(brain computer interface,BCI)控制移动机器人带来挑战。研究基于脑电信号控制非完整移动机器人系统的方法,通过脑电信号直接控制机器人,将脑机接口技术应用于非完整移动机器人系统控制具有重要的理论价值和实际意义。针对脑控非完整约束机器人系统运动控制,本文重点提出了基于非向量空间的脑电控制方法,研究了稳态视觉诱发电位(steady-state visual evoked potentials,SSVEP)脑机接口、非完整移动机器人系统轨迹规划和运动控制等内容。本文的主要贡献总结如下:1.以豪斯多夫(Hausdorff)距离、突变方程、非向量空间转换矩阵等数学知识为理论基础,提出了基于非向量空间的脑电控制方法。该方法通过Hausdorff距离来表示两幅图像之间的匹配差异,能够避免传统视觉控制系统中存在的特征提取问题。利用双目摄像头模拟人的双目视觉,在图像空间(非向量空间)计算Hausdorff距离得到目标图像与当前图像的匹配误差。大脑根据这个误差反馈,产生了在非向量空间的运动意图,通过视觉诱发提取相应的脑电信号,对脑电信号进行解码,得到非向量空间脑电控制命令。由于非向量空间不同于传统的向量空间,提出通过转换矩阵,将非向量空间的命令转换到向量空间,发送给非完整移动机器人,控制其在笛卡尔空间的运动。2.设计了SSVEP视觉诱发的脑机接口系统,基于非向量空间的误差反馈,实时显示运动环境信息,解决了操作者与机器人的人机交互问题。为了得到非向量空间脑电命令,提出了AdaBoost SVM和多变量同步指数(multivariate synchronization index,MSI)两种算法对脑电信号进行解码,平均识别率分别为86.95%和93%。并对两种解码算法的分类结果做了分析与对比。3.考虑非完整约束移动机器人系统物理约束的存在,设计针对脑电命令参数化的轨迹规划方法。具体提出了贝塞尔(Bezier)曲线和极坐标多项式曲线(ploar polynomial curve,PPC)两种脑电命令参数化轨迹规划的方法。将轨迹规划与脑电信号分类结果结合起来,由脑电信号实时控制轨迹规划。针对非完整约束,设计了基于误差模型的控制器,以线速度、角速度为控制变量,通过速度实现对移动机器人的运动控制。利用设计的控制器,实验验证了Bezier和PPC参数化轨迹规划方法的有效性。4.设计了基于非向量空间的脑控单个非完整约束移动机器人和脑控移动机器人编队控制方法,该方法用脑电信号遥操作控制单个和多个非完整移动机器人。实验验证了脑电信号遥操作控制机器人系统的性能,并且移动机器人运动过程中能够满足物理约束和非完整性约束。5.考虑受限环境下障碍物的约束,将人工势场融入到脑控机器人系统中,创新地提出了基于人工势场的脑电信号控制方法。建立脑电信号的强弱与势能场分布之间的函数关系,脑电信号变化反映出环境中障碍物的分布和势能场的变化。将势能场的变化施加于机器人,产生机器人的控制命令,对移动机器人进行导航与控制。最后,结合具体走廊环境狭小空间进行了脑控机器人的实验验证。