支援ロボティクスの分野で、ユーザーの意図を正確に読み取り、安全に実行するための新しいフレームワークが開発されました。NeuroCommitSSMと名付けられたこのシステムは、従来の「何をするか」という問題だけでなく、「いつ実行するか」という実行タイミングの判断を中心に据えた革新的なアプローチです。脳波（EEG）、筋電図（EMG）、視線追跡（ET）の3つの生体信号を同時に計測し、これらから継続的な「コミット準備度スコア」を0～1の範囲で予測します。このスコアはドウェルフィルタリングとヒステリシスフィルタリングを通じて、実行イベントへと変換されます。 システムの中核をなすのは、HOLD-ASSIST-COMMIT（HAC）と呼ばれる3状態の有限状態スーパーバイザーです。このスーパーバイザーは、神経モデルからの持続的なコミット準備信号が得られるだけでなく、対象物の可視性、逆運動学の解法可能性、衝突回避計画などのロボット状態の実行可能性が確認されてはじめて、ロボットアームの動作を開始します。この多層的な安全機構により、誤った実行を大幅に削減できます。 32名の被験者を対象とした評価実験では、日常生活活動（ADL）5タスクが国際生活機能分類（ICF）に準拠して実施されました。Leave-one-subject-out（LOSO）交差検証と7つのセンサドロップアウトシナリオを含む厳密な検証により、NeuroCommitSSMは0.950の釣り合い精度と1000のREST窓あたり0.75の誤実行イベント率（FP/1k REST）を達成しました。特筆すべきは、センサ喪失下での耐性です。脳波のみの条件下でも0.785の釣り合い精度と0.29 FP/1k RESTを維持し、従来のTemporal Convolutional Networkベースラインが同条件で99.95 FP/1k RESTという極めて高い誤実行率を示すのと対照的です。Kinova Gen3ロボットアームを用いたハードウェア・イン・ザ・ループ（HIL）検証では、実行可能性チェック機構により誤開始と決定不安定性が減少し、タスク成功率は損なわれないことが確認されました。