Patterns：手随“心”动：浙大团队提出脑机接口新框架，精准解码复杂手部动作

本研究背景聚焦于侵入式脑机接口在复杂手部动作解码中的挑战，传统方法因忽略关节协同关系而受限。研究目的是提出SynergyNet框架，通过融合神经信号与运动数据学习协同基元，并利用周期性相位流形实现高效运动控制。结论表明该框架显著提升解码性能（平均R²=0.648），在速度变化和神经元丢失场景下展现强鲁棒性，为高自由度节律运动脑机接口提供新路径。