Meta发布“意念控制”腕带 研究成果登上Nature

快速阅读: 据相关媒体最新报道，Meta发布新型非侵入式sEMG腕带，通过肌电数据实现精准手势识别，无需校准，适用于多种设备，提升人机交互体验。

据36氪报道，7月23日，Meta现实实验室（Reality Labs）在《自然》杂志上发表论文，介绍了一种用于人机交互的通用非侵入式神经运动接口。该接口基于表面肌电图（sEMG），以腕带形式呈现，无需手术即可精准捕捉手腕部位的神经信号，识别多种手势意图，即使在手部自然下垂状态下也能实现隐蔽操作。

与传统输入设备不同，这款腕带摆脱了对中间设备的依赖，不受动作遮挡影响，无需定制解码器，适用于不同人群。研究团队基于300多名受试者的超过100小时肌电数据，开发出高度适应性的机器学习模型，无需个人校准即可实现高精度手势识别，少量个性化数据可将笔迹识别准确率提升16%。

Meta在2023年通过Orion AR眼镜原型完成了早期技术验证。研究团队从硬件和模型两方面入手，研发了一款高灵敏度、易佩戴的sEMG腕带，采用干电极、多通道记录设计，采样率达2kHz，噪音低至2.46μVrms，续航超过4小时，有四种尺寸适应不同腕围。电极布局经过优化，能精准捕捉手腕、手部和前臂肌肉的电信号，甚至可检测到单个运动单位动作电位（MUAPs）。

在数据收集与模型训练方面，团队构建了可扩展的数据收集基础设施，从数千参与者获取训练数据，开发出通用的sEMG解码模型。模型采用多种深度学习架构，适应不同交互场景需求。在模型训练阶段，研究人员运用了迁移学习等先进技术，加速模型收敛，提升泛化能力和准确性。

在连续导航任务中，sEMG的闭环手势解码中位数性能为0.66次/秒；在离散手势任务中，手势检测速率达0.88次/秒；戴sEMG腕带的测试者，手写输入速度可达20.9字/分钟，个性化调整后，手写模型的解码性能可进一步提升16%。这些模型在不同人群中表现良好，离线评估中，对手势和手写的分类准确率超过90%，手腕角度速度解码误差小于13°s−1。

研究团队在不同年龄、性别、身体状况的志愿者群体中进行了广泛测试，验证了该神经运动接口的通用性和可靠性。未来，这项技术有望应用于智能手机、智能手表、智能眼镜等移动设备，实现无缝输入，尤其适合在移动场景中使用，解决传统输入方式的局限性。此外，该技术还可为行动不便者提供新的交互方式，用于临床诊断和康复治疗，探索新型控制方式，甚至为脑机接口等领域提供借鉴。

Meta在2023年通过Orion AR眼镜原型完成了技术的前期验证，2025年核心研究成果正式被顶级学术期刊《自然》收录发表。这项技术有望从专业AR设备逐步拓展成为通用电子设备的交互标准，最终实现“让计算机理解人类手势”的技术愿景。这种以人为中心的交互理念，或将重新定义下一代人机交互范式。

(以上内容均由AI生成)