脑机接口由于能够实现人脑与外设的直接信息传递,被普遍认为是重塑瘫痪病人基本日常生活自理能力最具潜力的方法。而脑控机器人手臂系统作为辅助实现上肢运动功能最直接的技术之一,在脑机接口实际应用领域中扮演着重要角色。然而由于非侵入式脑机接口较差的信号质量以及解码表现,如何拓展脑机接口控制维度并提高任务性能一直是非侵入式脑控机械臂的研究重点。随着人机共融理念的发展,共享控制的提出为增强脑控系统的表现提供了一种有效的解决方案。但是目前已有的大部分共享策略都是通过手动设定仲裁准则实现的,该过程高度依赖开发者的设计经验以及具体任务需求,且针对不同场景其可移植性较差。对于控制维度,虽然有诸如动态分级接口等方案的提出,但存在操作逻辑复杂等缺点。基于上述分析,本文提出了一个新的共享控制模型,可以在实时控制中根据控制情境动态地自动优化控制指令。此外,还采用了基于主、副分级结构的混合脑机接口范式,拓展控制维度的同时更好地优化资源分配。本文所搭建的机器人手臂系统允许非侵入式脑机接口用户操纵机械臂在三维空间中运动,并完成基于多物体的目标抓取与定点放置这一功能性任务。本文首先搭建了一个以稳态视觉诱发电位为主接口,运动想象为副接口的混合脑机接口子平台,按照具体指令的重要性等级对其进行接口映射,在扩展控制维度的同时优化资源配置。随后针对该接口设计了一个二级串联结构解码器:利用频域特征与线性判别分析实现一级范式解码;利用滤波器组典型相关分析实现稳态视觉诱发电位的二级解码以及利用共空间模式和线性判别分析实现运动想象的二级解码。然后搭建了基于自主感知的机器人手臂子平台。利用深度相机所捕捉的RGB场景图像,采用深度神经网络进行二维语义分割以实现目标检测。同时基于点云库对捕捉到的场景点云进行处理,分别通过欧拉聚类与迭代最近点算法实现基于单个物体点云的位姿估计,并在此基础上实现自动抓取与放置功能,为后续共享控制的开发打下了基础。随后,本文提出了基于意图推理与概率融合的共享控制模型。通过引入基于最大熵的目标预测模型,结合运行轨迹信息,实现基于具体任务情境的实时用户意图推理,为共享控制辅助提供有效的引导。并且,根据同时共享控制策略的需求,建立了基于贝叶斯信息融合理论的人机指令实时融合模型,使用户可以与机器代理一起协作完成目标物体的抓取。最后,本文基于所搭建的混合脑机接口与机器人手臂平台,围绕所提出的共享控制策略,进行了离线与在线实验,旨在验证本文所提出的脑控机械臂系统在实际生活中完成任务的可行性。其离线结果肯定了该混合脑机接口范式在解码与控制上的可行性;在线结果表明,大多数受试者可以利用该系统完成多目标物体的抓取-放置这一日常生活任务。且本文提出的共享控制策略可以极大地改善脑控机械臂系统的控制表现。本文通过引入混合脑机接口范式与共享控制策略,实现了脑控机器人手臂的三维运动,并完成基于多物体场景的目标抓取与定点放置这一常见的功能性任务。在未来,这种基于实时控制环境进行自适应融合的人机协作方式有望使脑机接口技术从单纯实验室研究拓展到日常应用中。