情報通信研究機構（NICT）と国際電気通信基礎技術研究所（ATR）は，脳活動を非侵襲に計測することで，ユーザーの指先の動きを連続的に推定し，再現できるBMI（brain machine interface）技術を開発した（発表資料）。従来の非侵襲型BMI技術は，あらかじめ用意した数パターンの動作から正答を推定するものが多かったが，今回の技術では指先の2次元座標（20cmの範囲内）を，50フレーム/秒（20ms）と動画像並みの高いフレーム・レートで連続的に推定することができる。空間精度は14.7mmである。ロボットの遠隔操作などへの応用を見込む。
ATRなどは2009年3月に，ホンダの人間型ロボット「ASIMO」をBMI技術で操作する技術を発表しているが（Tech-On!関連記事01，02），今回のBMI技術もその延長戦上にあるといえる。ASIMOを操作するBMI技術では，判別できるのはあらかじめ想定した4パターンに限られていたが（カテゴリー識別），今回のBMI技術では指先の座標という連続的なパラメータを推定できるのが特徴である。「あらかじめ決められたパターンではなく，素早い動きを滑らかに再構成できるため，BMI技術のユーザーに対し『自分自身が操作している』という主体感を与えられるようになる」（NICT 神戸研究所 バイオICTグループ 今水 寛氏）。
複数の脳計測手法を組み合わせ
ASIMOを操作するBMI技術では，時間分解能の高い脳波計（EEG）と，空間分解能の高い近赤外光脳計測装置（NIRS，光トポグラフィ）を補完的に組み合わせて利用していたが，今回も複数の異なる計測装置を組み合わせるアプローチを採用した。
具体的には，時間分解能の高い脳磁計（MEG）と，空間分解能の高いfMRI（核磁気共鳴計測装置）を組み合わせた。いずれも高価かつ大型の装置だが，将来的にASIMOを操作するBMI技術と同じく，EEGとNIRSの組み合わせでも今回の技術を利用できるようにするという。
脳活動には個人差があるため，今回のBMI技術を利用するには，事前にBMIシステムの学習が必要となる。具体的には，ユーザーに指先を8方向に動かしてもらい，その際の脳活動をMEGとfMRIそれぞれで個別に計測する。ユーザー1人当たり200回の指先運動を，学習データとして用いた。この学習データを基にして，指先の運動を推定するためのモデルを構築するのに，約1日の学習時間がかかる。ただし，学習を終えた後は，高速に指先の運動を推定できる。
今回はオフライン型として動作させたが，リアルタイムに動作するシステムも研究中であり，その場合の遅延時間は0.5秒である。遅延時間の大半は， MEGの膨大な時系列計測データを複数のコンピュータ間で転送する時間が占めているという。
