增强现实和虚拟现实有望改变我们工作、学习和联系的方式。然而，构建这一未来所需的许多技术要素，以及负责开发和使用的一系列规范尚不存在。因此，Facebook正在为reality labs（FRL）打造“之下一个以人为本的计算平台，并致力于以负责任和以隐私为中心的方式推动创新”，他们邀请大学教授响应时代潮流，就如何探索独特的挑战提出研究建议，VR社交网络新兴领域的机遇和其他考虑。        Facebook于今年5月推出了“负责任的神经界面设计工程方法建议书征询”，并设立了五个奖项，每个奖项的奖金高达75000美元（将以第三方捐赠咨询基金的赠款形式向申请人所在的大学付款）

       今天，该团队正式宣布了该奖项的获奖者，并表示该项目旨在加深Facebook神经科学研究人员与学术界间的关系，并支持创新想法以促进神经科学的道德发展。
本RFP的主题主要包括：
· 包容性光学神经技术
· 包容性表面肌电图技术
· 处理神经和神经肌肉数据的隐私保护方法

       团队一共审查了50份高质量提案，并宣布有六份提案获奖：
· 《The effect of hair type and skin pigmentation on fNIRS signal quality（头发类型和皮肤色素沉着对fNIRS信号质量的影响）》：Meryem Ayse Yucel、Bernhard Zimmermann、David Boas、Parya Farzam（波士顿大学）
· 《Framework for diverse EMG gesture recognition（多种肌电手势识别框架）》：Jennifer Mankoff，Momona Yamagami（华盛顿大学）
· 《Privacy-preserving federated learning for minimized fNIRS data（最小化fNIRS数据的隐私保护联合学习）》：Xiali Hei（路易斯安那大学拉斐特分校）
· 《Privacy via federated learning with Gaussian processes（基于高斯过程的联合学习的隐私保护）Ethan Fetaya, Gal Chechik, Jose Zariffa（巴伊兰大学）
· 《Racially inclusive optical tech: Develop fNIRS for dark skin & curly hair（种族包容性光学技术：针对深色皮肤和卷发开发FNIR）》：Sossena Wood，Jana Kainerstorfer，Pulkit Grover（卡内基梅隆大学）
· 《User-guided EMG data collection that is inclusive across physical abilities（基于用户指导的跨身体能力肌电图数据收集）》：Jacob A. George（犹他大学）