当我们谈论康复治疗时，许多重症患者在早期常因身体功能受限，难以独立完成训练，使得康复效果不易量化。加上传统的训练方式往往比较枯燥，缺乏持续的激励和有效反馈。为了提升康复效率并改善患者的生活质量，具身智能企业傅利叶正探索将脑机接口技术与具身智能相结合。

1月28日，傅利叶智能创始人兼CEO顾捷在第二届傅利叶智能生态大会暨张江机器人开发者先锋大会上表示，公司计划在未来一到两年内明确规模化引入脑机接口技术的机器人康复训练。他解释说：“想象一下，当患者想要完成某个动作，但肌肉力量不够无法完成时，机器人能够通过脑机接口识别意图，并在大脑发出清晰指令的瞬间提供恰到好处的助力。完成一次从中枢到肌体的完整闭环训练。”

挑战在于，当前全球范围内，脑机接口与具身智能融合还缺乏大规模的数据集，相应的软硬件基础设施也不够成熟。顾捷坦言：“我们很清楚，这不是能迅速验证的事情。它需要足够的耐心、长期的数据积累，更需要跨学科的持续协作。”

图为傅利叶智能创始人兼CEO顾捷。

具身智能+脑机接口构建主动式康复训练

“可以想像，一位脑卒中患者想要伸手，配备脑机接口的机器人就能读懂意图，带动他的手臂完成动作，实现从中枢驱动到外周肌体的训练闭环。”顾捷表示，脑机技术的接入能精准识别患者是否在主动尝试、运动意图是否被激活以及激活的时序与强度，并在意图最清晰的黄金时间窗内由机器人提供恰到好处的物理辅助。“这不是十年后的概念，而是我们未来一两年内明确要规模化落地的产品方向。这也是脑机接口一个清晰而重要的产业化方向。”

随着大模型技术的发展，机器人开始具备理解复杂语义、融合多模态信息、通过视觉理解环境的能力。顾捷指出，主动式人机交互正从过去追求工程化实现，演变成一个具有确定性的技术路径。

在康复领域，传统的早期训练通常由外骨骼设备带动肢体运动，大脑的参与度并不可控，患者容易陷入简单的、被动的机械式训练。相比被动的康复活动，患者主动参与的人机协同训练能够带来更好的康复效果。

以脑机接口结合下肢外骨骼机器人为例，患者佩戴脑电帽并产生运动想象，多通道电极阵列实时采集脑电信号，AI算法精准识别患者的运动意图与动作类型，并将其转化为指令驱动机器人带动下肢进行步态训练，随之产生的本体感觉将刺激神经系统，帮助重建神经通路。

傅利叶介绍，脑机接口技术能弥补传统康复在早期介入、训练有效性与评估精度方面的不足。通过同步监测运动皮层活动、脑电频谱变化并结合力学数据，可为患者的训练专注度和康复效果提供客观、连续、可追踪的量化依据。同时，拟人化机器人的情感化交互能力，能让康复过程兼顾情绪反馈、交互引导与长期陪伴。

上海交通大学医学院附属瑞金医院康复医学科主任、交通大学医学院康复医学系主任、上海市瑞金康复医院副院长谢青表示，经过训练后的未来机器人将能理解患者的表情、眼神和手势等非语言信号，并据此做出响应和行动。

两个决定性的变化

“康复从来不只是技术问题。康复科不做手术、很少用药，但对患者的坚韧和意志却有极高要求。我们接触到的大部分患者，都必须在康复科住院或门诊治疗两三个月，治疗师和医生们需要做的，除了专业的康复训练治疗，更重要的是鼓励支持患者愿意在漫长而枯燥的训练中坚持下去。”顾捷表示。

2017年，傅利叶在内部立项启动了脑机接口结合外骨骼机器人的预研工作，通过脑电信号驱动外骨骼行走，完成了早期概念验证。顾捷透露，当时脑机接口与外骨骼结合的预研让团队清醒看到了工程瓶颈——信号噪声高、稳定性不足、难以规模化部署，这类技术还不足以真正进入临床体系，因此在后来的几年里便将主要精力放在机器人本体的交互能力上。

但最近两年，他看到了两个决定性变化：脑机硬件正快速成熟，设备越来越轻量化和模块化；非侵入式脑机接口从原先单一的EEG（脑电图）发展到现在开始使用近红外、多通道超声等各种信号采集方案，抗干扰性、便携性、准确性不断提升。

更关键的是，大模型改变了脑电信号的处理方式。顾捷解释，以前处理脑电信号主要依赖FFT（快速傅里叶变换）、频谱分析或SSVEP（稳态视觉诱发电位）等传统方法，在处理非线性、高维度的脑电信号时能力有限。但大模型可以更有效地对复杂脑电信号进行分类和解析，实现更精准的意图识别。

不过，挑战仍然存在。在全球范围内，脑机接口和具身智能还缺乏大规模的数据集，相应的软硬件基础设施也比较欠缺。为加强跨学科协作，目前，傅利叶已联合上海交通大学医学院附属瑞金医院、复旦大学类脑智能科学与技术研究院、天桥脑科学研究院、国家地方共建人形机器人创新中心、同济大学附属养志康复医院、格式塔科技和临港实验室共同发起“脑机具身·数据引擎联合创新计划”，以核心硬件、工具链等底层技术支持探索脑机接口与具身智能体的深度融合，验证面向未来的人机交互闭环体系。

澎湃新闻记者 张静