走出實驗室的穩健性

走出實驗室的穩健性，是指腦機介面在移除實驗室受控條件後仍能持續運作的能力：不受控的電磁環境、不完美且變動的電極接觸、移動中或一心多用的使用者、環境干擾，以及已不再吻合使用當下的校準資料。它有別於基準測試上的準確率；一套系統可以在離線時最先進，卻在真實世界中脆弱不堪。

以機器學習的語彙來說，核心困難是分布偏移：部署訊號的統計特性與訓練集不同，且以未曾取樣的方式不同。因此穩健性是被設計出來的，而非被假設的——透過耐假影的硬體與導程、以穩定性而非峰值可分性為準所選的特徵、線上適應與自我再校準、能在接觸劣化時選擇棄權的不確定性感知解碼器，以及會請求重新擬合、而非吐出自信胡言的優雅失效模式。