脑机接口(Brain - computer interface, BCI)技术通过大脑活动控制外部设备，帮助残疾患者实现日常生活。无创脑机接口系统通常依赖头皮记录的脑电图(EEG)。许多bci要求用户执行特定的自愿任务，以产生不同的脑电图模式，如注意刺激或做一些其他与人类认知控制相关的心理任务(如运动想象)。该技术已被应用于脑-机器人交互(BRI)智能外围设备的控制，但仍存在许多问题，如受试者之间的个体差异、准确性和信息传递速率等。此外，结合人类智能和机器智能开发共享控制方法对于提高BRI系统的性能非常重要。

本专刊旨在呼吁高质量的研究文章和综述文章，重点关注人类认知机制，以提高对诱发脑电图的识别性能和智能脑-机器人交互。

潜在的主题包括但不限于以下内容:

• 脑信号的获取方法
• 脑信号采集系统设计
• 基于人类认知过程的脑机接口范式
• BCI系统中主体和译码器学习的闭环控制
• 基于脑电图的新解码策略(SSVEP、P300、N200、运动表象、混合等)
• 提高脑信号信息传递率
• 特征提取和分类的处理方法
• 大脑与机器人之间的互动方法
• 机器视觉的BRI应用
• 人与机器智能的融合
• 现实世界的应用程序