請將你的問題和提案提交至neurotech@meta.com，截止日期為2025年9月1日。

（中國AI網 2025年07月26日）Meta Reality Labs 一直致力于通過研發表面肌電圖 (sEMG) 腕帶和控制算法來探索神經運動信號在人機交互中的應用。為促進創新，并深化與學術界的合作，肌電圖基礎研究團隊誠摯邀請高校教師提交研究構想。

Meta主要征集開發最優且負責任的持續運動學習策略的提案，目標是實現高帶寬、富有表現力且個性化的肌電圖輸入。團隊對多種策略類型感興趣，包括被動學習、游戲化、共同適應、以及有效的反饋機制。

提案必須同時涵蓋以下兩個領域：

1. 基于肌電圖交互的運動學習教學法

尋求開發新型教學方法的提案，幫助人們掌握新的、高帶寬的基于肌電圖的控制技術。方法應考慮利用現有的人類能力和/或新的算法途徑，以縮短基于肌電圖交互的學習曲線。

歡迎針對以下任一交互類型的提案：

利用肌電信號實現低運動量甚至無運動控制

肌電信號與計算機控制之間的非擬態映射
涉及肌肉內和/或表面肌電圖的研究（僅限人體）以及招募非臨床或臨床研究參與者的項目均在征集范圍內。

提案必須包含對目標學習時間與最終實現控制的帶寬之間權衡的討論。項目成果應包括一項用戶研究，以深入了解個體愿意投入時間學習所提議交互方式的意愿。

感興趣的子主題包括：

神經運動組織層級探索： 研究不同的神經運動組織層級（運動單元、神經驅動、肌肉、協同作用、動作），以確定信號最易控制的層面。

退化研究： 研究從擬態動作開始，并逐漸將其退化為更快、更省力、且可能非擬態的學習行為的策略。

反饋優化： 考慮并識別不同類型的“學習者”，以及如何根據他們的學習風格定制教學法。

被動學習： 研究用戶在無明確指導的情況下隱式適應其運動控制的方法。

游戲化： 設計并量化游戲化引導中哪些方面有助于快速技能習得和保持。

共同適應： 探索用戶和系統在短時間內相互適應以優化控制和性能的方法。

提案必須聚焦于能夠使用現有商用和/或實驗室開發的肌電技術完成的項目。提案同時必須描述研究團隊將如何隨著用于隨時隨地自然數據采集的消費級腕帶的出現，來擴展項目的規模和范圍。

2. 神經運動倫理

長期的運動學習研究可能需要大規模縱向數據收集，這可能帶來對個體用戶行為的深刻理解。提案必須包含一個神經運動倫理部分，促進科學家與倫理學家在相關主題上的合作，包括但不限于：

負責任地使用縱向收集的運動學習數據，這包括在服務于用戶價值的前提下，在確保數據安全及/或隱私的同時，為用戶量身定制體驗。

持續提升用戶能動性，使個體能夠驅動其與技術互動的獨特體驗。

確保學習技術具有包容性，適用于廣泛人群。

提案必須包含對項目中涉及的科學家與倫理學家之間所選合作模式的描述和論證。

提案詳情

共設最多六項獎項（其中至少四項在美國），每項最高達 150,000 美元。

款項將作為非限定用途贈款支付至提案者所屬大學，目標項目啟動時間為 2026 年 1 月。

強烈鼓勵能夠發表成果的團隊選擇開放獲取學術期刊。

提案應包括：

項目摘要（最多 250 字）。

項目簡短概述（最多 2 頁），包含技術描述、任何相關前期工作，以及包含里程碑和預期成果的時間表。

預算說明（最多 1 頁），包含項目成本及資金使用說明。

項目關鍵人員的履歷或簡歷。

機構詳情：必須包含稅務信息和管理聯系人信息。

資格要求

獎項必須遵守適用的美國及國際法律、法規和政策。

申請人必須是經認證的學術機構的現任教職人員，且機構需具備授予博士學位資格。

申請人必須是最終獲得資助項目的首席研究員 (Principal Investigator)。

機構必須是所在國家具有公認法律地位的非營利或非政府組織（等同于美國《國內稅收法》501(c)(3)條款規定的地位）。

請將問題和提案發送至 neurotech@meta.com。為獲得評審資格，提案必須在 2025 年 9 月 1 日截止時間前收到。提交的提案將于 10 月份收到回復。