脑-机器人融合（BRF）是借助于脑-机接口（BCI）在脑-机器人交互（BRI）的基础上提出的一项具有创新意义的概念。本文提出的新型脑-机决策融合理论,有效地融合人脑决策与机器人智能决策,实现了仿人机器人的意念控制。该理论实施的关键技术是在人脑与仿人机器人之间建立信息交流通道的同时,利用多传感器信息融合技术使机器可以理解人脑的多种行为,人脑又可以在不同的传感器模态中做出选择。最终实现在人脑电信号监控下,大脑与仿人机器人之间的双向智能交流,实现脑-机一体化。BRF作为人机混合的一种形式,其应用研究不仅在医疗康复、军工业、商业娱乐等领域有着广阔的应用前景,而且可以推动认知科学、生物医学工程、计算机科学、机器人学、人工智能等诸多学科的共同发展。针对BRF系统现存的脑电模式运用单一、机器智能利用率低、系统不稳定导致较高出错率等问题,本文提出的新型脑-机决策融合理论从脑决策系统、仿人机器人智能决策系统、基于多传感器融合技术的脑-机决策融合系统三方面进行了创新性研究,并通过仿人机器人的意念控制实验进行了验证,主要贡献如下:1.建立起一套基于P300+SSVEP的环境交互式异步脑决策系统。本文利用NAO仿人机器人携带的多种传感器,实现了该脑决策系统的异步状态切换零失误。该系统在自主搭建的Cerebot脑-机融合系统平台的基础上,设计了一种P300+SSVEP的混合脑电诱发界面。该界面在机器动作的过程中可以保持处于空闲状态,只有当环境交互信息触发某一对应激励时才进入工作状态。从而实现异步状态切换时无需被试的参与,不仅缓解了被试的紧张精神状态,降低了脑力资源占用,而且提高了异步系统的准确率,增强BRF系统的稳定性。2.提出一种基于颜色特征的物体提取算法并实现对运动物体及静止物体的追踪或逼近。本文利用NAO仿人机器人的视频摄像头在机器智能决策系统中加入了视觉反馈信息处理机制,利用视觉信息完成机器人的自主决策。本文提出了改进的模糊颜色提取器（IFCE）,该算法用两个颜色像素在RGB颜色空间下的夹角作为模糊算法的输入变量,通过与几种常用算法的对比结果表明,IFCE算法对光照强度的改变具有很强的适应能力。在中央视野追踪策略的配合下,NAO可以实现对被试感兴趣物体的实时追踪或逼近,从而实现机器人自主智能。3.设计并搭建起基于多传感器融合技术的脑-机决策融合系统,通过对仿人机器人智能的全方位开发,实现脑电监控下的仿人机器人半自主控制。本文利用多传感器融合技术将基于P300+SSVEP的环境交互式异步脑决策系统与基于图像识别的机器智能决策系统进行结合,将传统BRI系统中“一指令对一动作”的控制方式改进为“一指令对多动作”的控制方式,并对BRF系统中的突发情况（如碰撞、摔倒等）进行了安全机制建立。实验结果表明,该系统的动作响应时间更短,冗余脑电指令的产生更少,系统的整体效率更高。