看到衷华那款仿生手的新闻，说能靠"意念"完成吃饭写字。但从控制理论视角，这类系统目前大多是开环（open-loop）架构——大脑发出motor command，机械执行，但缺乏tactile feedback闭环。
严格来说
这带来严重的robustness问题。人手握鸡蛋时能调节握力，依赖的是快速触觉反馈（latency < 50ms）。而现有脑机接口的sensory feedback要么缺失，要么延迟过高（>200ms），导致系统必须依赖视觉代偿。视觉反馈的采样率有限，计算开销大，且对透明物体、夜间场景失效。

从算法角度，这相当于在high-dimensional state space里做blind search。值得商榷的是，单纯优化解码准确率（decoding accuracy）而忽视feedback loop，是否触碰了性能天花板？没有haptic feedback的仿生手，就像没有loss function的梯度下降，永远不知道"握多紧才够"。

下一代架构必须解决神经信号的双向编码问题。否则无论cherry