警觉度是指个体能够持续维持对刺激长期注意力的能力。在需要持续注意的任务中，警觉度会存在不同水平的波动，导致任务效果下降。因此，实现对于警觉度的准确评估是保证任务高效、可靠的重要前提。当前对于警觉度评估的研究主要集中于传统人机交互中，如驾驶任务，脑机接口（Brain-Computer Interface，BCI）作为一种新的人机交互，鲜有针对脑机接口任务中人员警觉度评估的研究。脑机接口任务中，基于快速序列视觉呈现（rapid serial visual presentation，RSVP）的目标检索任务和基于稳态视觉诱发电位（steady-state visual evoked potential）的光标控制任务，这两种基于视觉的任务由于对应范式所具有的在人类认知融合、信息传输速率上的优势，在工业等领域具有长期连续应用的需求。因此，BCI任务中的警觉性评估对提升BCI任务性能和系统可靠性至关重要。
本研究构建和发布了一个多模态警觉度数据集：MMV（MultiModal Vigilance），包含了目标检索和光标控制两种脑机接口任务下的连续长时程实验的多模态数据，为了本领域中脑机接口任务中的警觉度评估技术的研究提供丰富的数据资源，可以用于开发和验证新的算法和模型。