正文
MINE实验室的CAST研究人员正在开发HID，一种被动式大脑监测系统，试图检测操作人员对视觉场景中的兴趣点。HID有三个用途：①基于士兵作为传感器的概念，提供来自操作人员的高带宽新型信息流，②深入了解操作人员使用机会型人体传感的效果，③对各种范式的新型闭环BCI技术开展即插即用测试。结合计算机视觉的眼动脑电图分析，HID可以捕获和确定操作人员对图像或视频片段的兴趣优先次序，而无需操作人员特意表明其兴趣水平。采用机会型方法，而不是专门开发一个需要操作人员表明其兴趣水平的系统，可能允许HID有效地用于与其他BCIT的多任务协作。
（二）重点研究领域：估计与预测人体状态与行为（Estimating and Predicting Human States and Behavior）
这项研究的重点是对现实世界中的人体状态和行为进行全面了解，集中在观察、表征并最终预测自然环境中的人体状态和行为，而这与基于实验室的研究存在显著差异。研究目标是开发可以捕捉和预测现实世界环境中人体新动态的新理论，以及对现实世界中人体动态的获取、分析并解释和预测的工具系统。我们希望这项研究能够形成提供有价值信息的工具，并了解如何以及何时使用不同类型的信息。
该领域目前有两个主要项目：（1）人类多样性差异项目，（2）现实世界神经成像。
1、人类多样性差异项目（The Human Variability Project）
虽然士兵之间存在着显著的行为和效能差异，但对于如何量化和预测这种差异的程度和动态，目前还有非常大的知识差距。我们认为，这一关键性科学差距，导致了系统设计僵化，通过简化系统操作和接口来弱化人类差异的影响，使得操作人员在低于平均水平的表现下即可使用系统。相反，通过了解和预测多时间尺度范围内的人类差异，我们将能够设计出动态性的自适应系统，可以诱发人类及其交互的全部潜力。
该项目的目标是解决人类多样性差异的知识差距，并将这方面的知识转化应用，从根本上改变弱化人类差异性的人系统设计，转变为利用这种差异性的设计。最终目标是发展出人类变异性和独特性的基本理论和模型。相关实验研究将关注于整合以下三个基本概念：
（1）解释不同“情境”中个体的多模式方法。要做到这一点，目标是分析和建模机构组织的综合方面，包括：有意和无意的行为、生理学、主观经验、社会交往、环境因素和任务。
（2）大时间尺度和高采样率的采样。需要进行长期的高分辨率采样，以调查时间尺度之间的相互作用，观察更长时间尺度上很少发生的现象（如季节性影响）。
（3）开发大规模人群的数据库，其中包括对士兵足够的子采样，既能够解释个体差异，又能更全面地阐述人类差异性现象。
为了实现上述目标，我们需要应用广泛的最先进的技术和工具，包括实时传感、计算和数据库需求、用户建模、人体效能预测。同时也将推动人体长期、连续、多模式评估工具的发展，弥合当前技术的差距。
来自UMBC移动式弥漫式传感器系统实验室（Mobile, Pervasive, and Sensor Systems Laboratory）和Covail：模拟和数字系统研究实验室（Covail: Analog & Digital Systems Research Laboratory）的教授正在开发新的传感器和虚拟现实环境，收集其中的人体行为和生理数据，研究沉浸式环境中人类状态的变化。
马萨诸塞州大学阿默斯特分校传感器研究团队的研究人员正在开发基础设施，能够对来自众多个体、众多传感器的实时人体数据，进行安全地传输、分析、存储和可视化。
THVP项目研究人员的兴趣是了解自然环境中的人类行为。人类在自然环境中表现出令人难以置信的多样性行为，其中一个关键性挑战是开发更好的方法来阐明现实世界的行为。下面这个例子中，在“创新共享”工作的Alfred Yu提出了一个概念用来描述个体的咖啡饮用情况。这一概念通过意式浓缩咖啡机上的生物检测器和增强现实显示，能够获得咖啡消费的实时数据。这一概念可以用来了解多重时间尺度下、不同个体的咖啡习惯，可能有助于个体了解并改变自己的特定习惯。
该项目旨在推进的工具实例还包括：
（1）获取和整合信息资源的信息架构和控制框架。
（2）新型电子封装技术，对于士兵携带组件具有灵活的电源管理和存储解决方案。
（3）评估和预测训练与作战环境下人类状态多时间尺度非线性变化的方法和算法。
（4）可以利用其他个人、亚群和群体的信息来提高对个体或群体预测的迁移学习、协同过滤等技术。
（5）解释和预测复杂、动态、人工环境下不稳定的人类行动与行为的技术和融合算法。
2、现实世界神经成像（Real World Neuroimaging）
迄今为止，我们所知道的关于大脑活动、功能以及生理和行为之间的联系，绝大多数来自于实验室和医学领域。控制环境变量、限制外源噪声与变量的做法，对于开发大脑活动阐释模型非常关键，但对自然环境下的神经动力学如何作用却所知甚少。虽然神经影像学发展迅速，在日常生活中得到广泛应用，但对于实验室神经科学如何转化为对现实世界行为烦人预测，我们仍缺乏很好的方法。现实世界神经成像项目旨在解决这一问题，长期目标是提高对现实世界、真实场景下功能行为关系的神经动力学了解，发展能够实时获取、分析、解释和预测现实世界大脑活动的工具，预测和调节人体生理与行为的动态关系，促进新型人机交互系统的设计与性能。
该项目目前有两个主要研究领域：（1）开发现实世界神经成像的新技术、新方法，（2）通过实验发展假说和理论，提高对现实世界条件下神经动力学的了解。
（1）现实世界神经成像技术（Real-world Neuroimaging Technologies）
该方向的工作旨在推进现实世界设置下大脑活动的最新评估技术和方法，现实世界的神经影像学条件一般不太理想，其目标认知状态往往难以捉摸，甚至完全不同于传统实验室情况。重点是开发新的技术和方法，加强人机交互系统的实验或实施。重点研究方向包括：
①开发测试新型神经成像硬件，如：干式、非金属、高度灵活的脑电图传感器，佩戴舒适而且压缩后导电性稳定；超低功耗和低用户影响的系统设计，允许用户透明性；用户特定头帽盖设计的快速原型方法。
②开发和使用新的方法和工具评估数据质量，如设计与构建脑电图“仿体”试验装置，新的分析比较技术，辨别真实数据中非大脑人工干扰源的方法，建立可普遍接受的信号可靠性与有效性标准。
