從開迴路解碼器到感覺運動迴路
在第一冊你建立了唯讀的流程：輸入神經活動，輸出想要的動作。那是一個以開迴路運作的 BCI——大腦沒有直接的回傳通道。然而所有流暢的生物性動作都是閉迴路的。當你的手握住杯子時，成千上萬的觸覺與本體感覺傳入纖維會在數十毫秒內回報接觸、力量與滑動，而運動皮質會持續運用這股訊息流。一個只會讀取的神經義肢，缺少了神經系統用來行動的一半資訊。
雙向 BCI 加上了回傳路徑：它同時解碼意圖並編碼由刺激傳遞的人工回饋。當讀取端、效應器與寫入端都即時運作時，你就得到一個閉迴路感覺運動 BCI——這正是本整條學習軌的主題。
為何視覺無法取代觸覺
唯讀的運動 BCI 完全依賴視覺作為回饋，而視覺是體感覺很差的替代品。它相對緩慢且為序列處理，會消耗稀有的注意力，而且——關鍵在於——它無法回報接觸力量或滑動的起始。只用視覺解碼器的使用者抓握時十分謹慎、緊盯每個物件，卻仍會捏碎或掉落東西。體感覺回饋快速、平行，並且正好攜帶抓握控制所仰賴的力量與滑動訊號。
控制理論的論證
看清楚回饋為何是必需的最乾淨方式，是最佳回饋控制（OFC）。把運動系統建模成一個控制器，它最小化一個在追蹤誤差與費力之間權衡的成本。要行動得好，它必須維持一個對受控體狀態的即時估計 \hat{x}_t，而這個估計在缺乏量測時會退化。在 BCI 中，受控體（游標或手臂）與解碼器都會注入雜訊；唯有回饋通道能讓控制器加以修正。
J = \mathbb{E}\!\left[\sum_{t}\, (x_t - x_t^{*})^{\top} Q\,(x_t - x_t^{*}) + u_t^{\top} R\, u_t \right]OFC 成本：懲罰偏離目標 x_t^{*} 的量與控制費力 u_t。要最小化它就需要即時的狀態估計，而沒有回饋就不可能維持其準確。
這是大腦想盡量壓小的計分卡：在整段動作裡，把「你離目標多遠」加上「你花了多少力氣」全部累加起來。若不知道自己此刻在哪裡，就根本無法最小化它——而要知道這件事就需要回饋。
- J
- 要最小化的總成本——越小代表控制越好。
- x_t - x_t^{*}
- 時刻 t 時，你實際所在與目標 x_t^{*} 之間的差距。
- Q
- 狀態誤差有多痛的權重——Q 大代表「務必貼緊目標」。
- u_t
- 時刻 t 發出的控制命令（費力程度）。
- R
- 用力有多貴的權重——R 大代表要溫和、省力地移動。
- \mathbb{E}
- 期望值——把雜訊與隨機性平均掉之後的結果。
把 Q 調大，使用者會急著直衝目標；把 R 調大，則會為了省力而慢慢滑過去。
回饋也帶有截止期限。若傳遞得太晚，它反而可能造成不穩定而非幫助——依據過時狀態行動的控制器會過衝並振盪。因此每一毫秒的迴路延遲都很重要，這也是第四篇把延遲預算當成第一等設計限制來處理的原因。
同時讀取與寫入
具體而言，體感覺雙向 BCI 從運動皮質讀取以驅動效應器，並以皮質內微刺激（ICMS）寫入體感覺皮質（3b／1 區）以誘發觸覺。難處在於：兩個方向共用硬體與組織——你必須在注入比訊號大好幾個數量級的刺激脈衝的同時，記錄微伏等級的棘波。這種共存——讀寫交錯——正是本領域的核心工程難題。
- 讀取：擷取運動皮質活動並解碼想要的效應器指令。
- 行動：移動游標／手臂，並登錄產生的接觸、力量與滑動。
- 編碼：把該接觸對映成刺激樣式（振幅、頻率、電極）。
- 寫入：對體感覺皮質施予 ICMS，誘發人工知覺。
- 調整：使用者感知到回饋並更新下一個指令——迴路重複進行。