2025 年 7 月 23 日，Meta 现实实验室（Reality Labs）在《Nature》上发表最新论文《A generic non – invasive neuromotor interface for human – computer interaction》，推出了基于表面肌电图（sEMG）的通用型非侵入性神经运动接口，该接口以腕带形式呈现，有望重新定义人机交互范式。
技术原理：基于表面肌电图技术，通过读取肌肉产生的电信号来理解人体的运动指令。腕带能精准捕捉手腕部位的神经信号，识别包括点击、滑动和捏合在内的多种手势意图，即使手部自然下垂也能隐蔽操作。
硬件特点：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，有四种尺寸以适应不同腕围。其电极布局经过优化，可精准捕捉手腕、手部和前臂肌肉的电信号，甚至能检测到单个运动单位动作电位（MUAPs）。
模型优势：研究团队基于 300 多名受试者提供的超过 100 小时肌电数据，开发出具有高度适应性的机器学习模型。该模型无需个人校准即可实现高精度手势识别，仅需少量个性化数据就能将笔迹识别准确率提升 16%。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；手写输入速度可达 20.9 字 / 分钟。对于未参与训练的参与者，手写和手势检测的分类准确率超过 90%，手腕角度速度解码误差小于 13°s⁻¹。
应用前景：
日常交互：可应用于智能手机、智能手表、智能眼镜等移动设备，实现无缝输入，尤其适合移动场景。
辅助技术：能为行动不便者提供新的交互方式，帮助他们通过细微肌肉活动控制轮椅、假肢等辅助设备。
医疗康复：可用于临床诊断和康复治疗，医生能通过分析肌肉电信号数据，更精准地了解患者肌肉恢复状态，调整康复训练计划。
新型控制方式探索：有望实现对意图手势力量的直接检测，开发多自由度联合控制，以及低做功的控制方式，可能催生出基于神经运动信号空间的全新交互形式。
评论 ( 0 )