生物机器人领域的最新进展在许多方面都有助于改善一系列人的生活质量，对于身体虚弱、残疾或受伤的人来说，假肢、外骨骼、遥操作机器人和智能轮椅等应用或设备给他们的生活带来了一些希望。然而，控制这些设备需要复杂的技术或方法，因为它们通常与人类用户交互。

对于这些设备的主要要求，如准确性，长期可靠性和安全性是至关重要的。因此，为了满足这些要求，人们提出了许多控制方法，每种方法都使用不同种类的输入信号。

肌电图（EMG）能够直接反映人的运动意图或使用者的肌肉活动，因此在生物机器人的控制方法中，肌电图（EMG）一直是最常用的生物信号之一，许多例子，如轮椅、假肢、外骨骼/矫形器都显示了基于肌电的肌肉信号的有效性。

基于肌电的方法不能用作输入，例如，上肢完全瘫痪的人可能无法使用外骨骼等设备，因为很难从瘫痪肢体的肌肉获取控制信号。

另一方面，随着科技的进步，BCI（brain computer interface）或BMI（brain machine interface）已经吸引了生物机器人领域的关注。脑机接口可以开辟新的途径，直接解码用户的大脑信号，从而控制假肢、外骨骼或轮椅等设备；例如，即使用户的四肢不能进行任何充分的运动，他仍然可以产生指挥性的脑信号，这些信号可用于这种大脑控制接口驱动外骨骼。

在多种脑信号采集方法中，脑电图（EEG）被认为是一种无创、方便的方法，适合于实际系统。在轮椅、假肢、外骨骼等应用中可以找到实现基于EEG信号的接口的各种尝试。然而，由于EEG存在可靠性低、准确性低、用户适应性差和数据传输率低等困难，仅使用EEG信号作为主要输入的BCI/BMI在生物机器人应用中还不能完全接受。

为了克服基于EEG和EMG的控制方法的问题，结合两种系统，利用每种信号的优点并减少各自的局限性，可能是一种方法。例如，在假肢控制的情况下，基于肌电图的方法所需的一些肌肉可能不可用，在这种情况下，EEG信号可以用来补偿缺失的肌电信号。

此外，在外骨骼等例子中，肌电图信号所需的一些肌肉可能断开或麻痹，或者连接到所需肌肉的某些神经可能断开。在这种情况下，脑电图也可以用来补偿丢失的肌电信号。即使肌电图所需的所有肌肉都可用，脑电图仍然可以用来消除疲劳或意外震颤的影响。