仅用于个人学习
总结：信息收集--》AI模板归纳--》实时指令下发--》视觉模型计算运动轨迹
1. 完整全流程串联
- 脑电波采集：脑电帽电极捕捉你想象动作时头皮微弱电流；
- AI归纳生成专属模板 ：反复采集同一意念的脑波，降噪融合，生成只适配你的波形库（所谓"矫正"，是AI修正识别模型，不能修改人脑发出的电信号）；
- 实时识别：操控时持续采集脑电波，和模板做相似度匹配；
- 下发预设分类指令：匹配达标，输出提前定义好的简单指令（抓/放/移动）；
- 机器人自主运算执行：接收指令后，结合视觉、触觉传感器实时计算运动轨迹，动态完成整套动作，无固定预设动画。
2. 概念梳理
第一层：大脑下发的「控制指令」（数量有限，提前预设分类）
脑电波，通俗理解大脑活跃时释放到大脑皮层的极微量电弧
通用动作意念脑电信号高度相似具备理论依据核心理论 1：运动想象共用同一套运动神经通路（运动模拟假说，Jeannerod 经典理论）
核心理论 2：躯体拓扑定位 +μ/β 节律 ERD/ERS 固定生理特征（脑电可区分的底层标尺）
核心理论 3：神经元集群编码理论（集群放电模式固定）
核心理论 4：镜像神经元系统强化动作表征稳定性
假设，屏幕显示握手（标签），你想象握手的动作（释放脑电波），脑部外设接收脑电波（材料学-石墨烯接收），之后通过电子元器件放大电信号（元器件突SoC 芯片），将接收的电信号交由AI进行汇总归纳（AI算法）重复想象十次（或更多），提供足够多的个人脑电波与动作样本（每个人的信号不同，需要单独训练矫正），AI归纳提取电信号共性，就能够实现「信号→动作指令」的智能识别
设备在训练前，会提前定义好有限的指令标签 ，比如：抓取、松开、上移、下移、静止。
训练时，你反复想象对应动作，AI收集你的脑电波，归纳生成你个人专属脑电模板 。
AI只会识别这几组提前定义的意念，如果你想一个没有录入过的动作（比如旋转手腕），系统无法识别。
→ 意念指令类别是预设好的。
第二层：机器人最终执行的「完整运动细节」（不是写死预设动画）
这里是关键误区：
指令只有简单几种，但机器人不会只播放一段固定死的动作动画。
举例子：
你用脑电波下发【抓取】指令：
- 机械臂自主视觉定位物体远近、大小；
- 依靠人造皮肤触觉传感器自动调整夹持力度；
- 根据障碍物实时微调手臂轨迹。
整个移动路径、发力轻重、停顿位置，是机器人实时计算出来的，不是提前录好、固定不变的预设动作。
3. 一句话总结
- 控制指令（抓、放、移动等标签）是提前预设的，只能识别训练过的意念；
- 机器人实际运动过程、精细动作轨迹不是预设死的，由设备传感器实时自主调整。