# 研究目标

> 本页由仓库源文件生成。请不要直接编辑本页；修改下方 source 文件后运行 `vp run docs:generate`。

> 中文支持说明：本页是中文站点镜像，保留论文标题、证据状态和来源字段的原始表述，避免未经核实的翻译改变证据边界。

> 来源: `research/01-research-goal.zh.md`

## 研究目标

Status: `planning source`

## 目标

SAH-BRI 研究非侵入式 EEG 如何在场景感知机器人系统中承担高层意图通道。

当前系统实例 `SAH-BRI-Grasp` 将这一目标收束到机器人抓取：

```text
人类意图 -> 场景理解 -> 共享自治 -> 机器人抓取执行
```

## 核心问题

场景感知混合 BCI 能否把低层机器人运动交给共享自治，从而降低非侵入式 EEG 的控制负担，同时让用户继续通过高层目标选择、确认、介入和停止命令保持在环？

## 工作假设

中心假设由现有证据 `inferred` 得出：

* SSVEP 适合可靠的离散目标选择和确认；
* MI 适合主动介入、模式控制、停止或确认；
* YOLO 风格视觉检测可以把物理场景转化为动态命令空间；
* 机器人规划与抓取执行应承担低层连续控制；
* 共享自治负责结合用户意图与机器人能力。

Exp1-Exp4 尚无结果，因此 SAH-BRI-Grasp 的整体性能仍为 `needs confirmation`。

## 本项目不研究什么

本项目不试图证明非侵入式 EEG 可以直接控制每个机器人关节或连续 6-DoF 运动。

研究转变是：

```text
从 brain-controlled robot arm
到 brain-intent-guided robotic grasping
```

## 证据边界

73 篇语料支持组件级依据和系统设计比较，但尚不能支持项目特定的抓取成功率、工作负担降低、低通道在线性能或临床有效性主张。

## 下一步

继续阅读 [SAH-BRI 框架](/zh/framework/sah-bri)，理解框架与当前系统实例的关系。