日前，吉林大学汽车底盘集成与仿生全国重点实验室胡宏宇教授团队在智能座舱脑-车交互与控制研究领域取得重要进展。该研究成果以“Motor Imagery Decoding and Brain Activation Analysis Using Functional Near-Infrared Spectroscopy for Brain–Vehicle Function Control”为题，发表于人工智能与工程应用领域权威期刊《Engineering Applications of Artificial Intelligence》（中科院1区Top，JCR Q1，影响因子8.0）。

随着智能座舱功能不断丰富，车内交互方式也在持续拓展。除按键、触控、语音和手势等常见方式外，研究团队围绕新一代脑机交互车窗控制场景，探索了功能近红外光谱（fNIRS）与运动想象相结合的脑-车交互方法，为智能座舱提供了一种基于脑信号识别用户意图的新型补充交互方式。团队构建了左车窗上升、左车窗下降、保持、右车窗上升和右车窗下降五类脑控指令，使脑机交互从传统的抽象动作识别进一步面向具体的车载功能控制。研究中，团队首先利用脑电（EEG）分析确定与任务相关的脑区，并据此优化fNIRS采集位置，重点采集额叶和前额叶区域的脑活动信号。随后，通过统计分析不同车窗控制意图是否会引起可区分的脑活动变化，并在此基础上提出了时空-频域图卷积Transformer模型STF-GCNFormer。该模型能够从多个角度分析fNIRS信号，从而提高对车窗控制意图的识别能力。实验结果表明，在离线解码验证条件下，该模型实现了91.11%的识别准确率。神经生理分析进一步显示，五类车窗控制任务主要涉及布罗德曼第9区、第10区和第46区等额叶-前额叶脑区，并在上升与下降、左侧与右侧、动作与保持等任务对比中发现了显著差异。这说明，基于fNIRS的运动想象信号能够在离线条件下有效表征并识别多类车窗控制意图。该研究验证了fNIRS运动想象解码用于智能座舱功能控制的可行性，是面向在线脑-车交互系统的重要前期基础。相关成果为后续开展实时识别、反馈控制和闭环脑-车交互研究提供了方法支撑，也可为特殊人群辅助控制、新型人机协同控制方法提供参考。

图3 源定位图

（a）—（e）展示一名典型受试者在左车窗上升、左车窗下降、车窗保持不动、右车窗上升和右车窗下降五种运动想象条件下 12 s 任务期内的平均源定位结果。

图4 五种车窗控制运动想象条件的组水平 HbO 任务激活分布

（a）左车窗上升（b）左车窗下降

（c）车窗保持不动（d）右车窗上升

（e）右车窗下降。暖色／冷色分别表示正／负 （相对基线的 HbO 增加／降低），颜色深浅表示效应强度。黄色五角星标注通过 BH-FDR 校正后达到显著的通道（q<0.05；每个条件内跨 24 通道校正）。

图5 训练集与验证集性能曲线的平均趋势及不确定性可视化（within-subject 设置）

（a）Training vs Validation Loss

（b）Training vs Validation Accuracy实线表示平均趋势，阴影区域表示 95% 置信区间（CI95）带，误差棒表示采样 epoch 处的 ±SEM。

该论文第一作者为2025级硕士研究生邓丽云，通讯作者为胡宏宇教授。本工作获得国家自然科学基金（52572496，52272417）的资助。

扫描上方二维码获取

作为本论文研究设备的供应商，赢富集团子公司赢富仪器和科驰智能为该研究提供了包括驾驶模拟器、柔性座舱、脑电等的关键科研设备与技术保障。该研究团队的研究成果标志着脑科学与智能座舱领域交叉探索的重要进展。

多年来，我们始终致力于通过尖端设备和全方位技术支持服务全国科研工作者，以“一站式”仪器及服务解决方案赋能中国汽车驾驶研究事业。我们也将持续为更多高校和科研机构的创新探索提供优质产品与可靠服务，助力推动智能汽车、人因工程、脑机交互等前沿领域的深度融合与发展。