연구진이 CNN-LSTM 모델의 잔여 운동 오류를 보정하기 위해 강화 학습(RL)을 활용한 새로운 해독 프레임워크를 제안했어요.
RL 에이전트는 CNN-LSTM 디코더의 예측된 운동 경로를 최적화하여 목표 경로에 대한 움직임 정확도를 높여요.
실험 결과, CNN-LSTM-RL은 2D에서 상관 계수를 0.5076에서 0.7181로, VR에서는 0.6420에서 0.7780으로 향상시켰어요.
이 프레임워크는 추가적인 신경 데이터를 사용하지 않고 3D BCI 운동 해독 성능을 향상시켜 신경 재활, 의족, 가상 상호 작용에 기여할 수 있어요.