单项最高奖励15万美元，Meta就表面肌电图腕带和控制算法征集研究提案
请将你的问题和提案提交至neurotech@meta.com，截止日期为2025年9月1日。
（映维网Nweon 2025年07月26日）Meta Reality Labs 一直致力于通过研发表面肌电图 (sEMG) 腕带和控制算法来探索神经运动信号在人机交互中的应用。为促进创新，并深化与学术界的合作，肌电图基础研究团队诚挚邀请高校教师提交研究构想。
Meta主要征集开发最优且负责任的持续运动学习策略的提案，目标是实现高带宽、富有表现力且个性化的肌电图输入。团队对多种策略类型感兴趣，包括被动学习、游戏化、共同适应、以及有效的反馈机制。
提案必须同时涵盖以下两个领域：
1. 基于肌电图交互的运动学习教学法
寻求开发新型教学方法的提案，帮助人们掌握新的、高带宽的基于肌电图的控制技术。方法应考虑利用现有的人类能力和/或新的算法途径，以缩短基于肌电图交互的学习曲线。
欢迎针对以下任一交互类型的提案：
利用肌电信号实现低运动量甚至无运动控制
肌电信号与计算机控制之间的非拟态映射
涉及肌肉内和/或表面肌电图的研究（仅限人体）以及招募非临床或临床研究参与者的项目均在征集范围内。
提案必须包含对目标学习时间与最终实现控制的带宽之间权衡的讨论。项目成果应包括一项用户研究，以深入了解个体愿意投入时间学习所提议交互方式的意愿。
感兴趣的子主题包括：
神经运动组织层级探索： 研究不同的神经运动组织层级（运动单元、神经驱动、肌肉、协同作用、动作），以确定信号最易控制的层面。
退化研究： 研究从拟态动作开始，并逐渐将其退化为更快、更省力、且可能非拟态的学习行为的策略。
反馈优化： 考虑并识别不同类型的“学习者”，以及如何根据他们的学习风格定制教学法。
被动学习： 研究用户在无明确指导的情况下隐式适应其运动控制的方法。
游戏化： 设计并量化游戏化引导中哪些方面有助于快速技能习得和保持。
共同适应： 探索用户和系统在短时间内相互适应以优化控制和性能的方法。
提案必须聚焦于能够使用现有商用和/或实验室开发的肌电技术完成的项目。提案同时必须描述研究团队将如何随着用于随时随地自然数据采集的消费级腕带的出现，来扩展项目的规模和范围。
2. 神经运动伦理
长期的运动学习研究可能需要大规模纵向数据收集，这可能带来对个体用户行为的深刻理解。提案必须包含一个神经运动伦理部分，促进科学家与伦理学家在相关主题上的合作，包括但不限于：
负责任地使用纵向收集的运动学习数据，这包括在服务于用户价值的前提下，在确保数据安全及/或隐私的同时，为用户量身定制体验。
持续提升用户能动性，使个体能够驱动其与技术互动的独特体验。
确保学习技术具有包容性，适用于广泛人群。
提案必须包含对项目中涉及的科学家与伦理学家之间所选合作模式的描述和论证。
提案详情
共设最多六项奖项（其中至少四项在美国），每项最高达 150,000 美元。
款项将作为非限定用途赠款支付至提案者所属大学，目标项目启动时间为 2026 年 1 月。
强烈鼓励能够发表成果的团队选择开放获取学术期刊。
提案应包括：
项目摘要（最多 250 字）。
项目简短概述（最多 2 页），包含技术描述、任何相关前期工作，以及包含里程碑和预期成果的时间表。
预算说明（最多 1 页），包含项目成本及资金使用说明。
项目关键人员的履历或简历。
机构详情：必须包含税务信息和管理联系人信息。
资格要求
奖项必须遵守适用的美国及国际法律、法规和政策。
申请人必须是经认证的学术机构的现任教职人员，且机构需具备授予博士学位资格。
申请人必须是最终获得资助项目的首席研究员 (Principal Investigator)。
机构必须是所在国家具有公认法律地位的非营利或非政府组织（等同于美国《国内税收法》501(c)(3)条款规定的地位）。
请将问题和提案发送至 neurotech@meta.com。为获得评审资格，提案必须在 2025 年 9 月 1 日截止时间前收到。提交的提案将于 10 月份收到回复。
