面向神经信号控制机器人的门控不确定性感知运行双重不变量

直接从神经信号解码用户意图的安全关键辅助系统需要可靠性和可信度的严格保证。我们提出了GUARDIAN（Gated Uncertainty-Aware Runtime Dual Invariants），一个面向神经信号控制机器人的实时神经符号验证框架。GUARDIAN通过将置信度校准的脑信号解码与符号目标 grounding 以及双层运行时监控耦合，强制执行逻辑安全和生理学可信度。在9名受试者、5184次试验的BNCI2014运动想象脑电图（EEG）数据集上，该系统以94-97%的高安全率运行，即使采用轻量级解码器架构（准确率仅为27-46%）且高ECE置信度失配（0.22-0.41）。我们在仿真噪声测试中演示了比基线测试高出1.7倍的正确干预。该监控器运行在100Hz，决策延迟低于毫秒级，能够实用化地应用于基于脑信号的闭环系统。经过21次消融实验后，GUARDIAN对信号退化表现出渐进式响应，并产生从意图、计划到动作的可审计轨迹，帮助将神经证据与可验证的机器人动作关联。