智東西作者王涵編輯漠影

智東西7月25日消息，7月23日，Meta現(xiàn)實(shí)實(shí)驗(yàn)室（RealityLabs）在Nature上發(fā)表最新論文《Agenericnon-invasiveneuromotorinterfaceforhuman-computerinteraction》（用于人機(jī)交互的通用非侵入式神經(jīng)運(yùn)動接口）。

這項(xiàng)創(chuàng)新主要推出了基于表面肌電圖（sEMG）的通用型非侵入性神經(jīng)運(yùn)動接口。該接口以腕帶形式呈現(xiàn)，無需通過侵入性手術(shù)，就能夠精準(zhǔn)捕捉手腕部位的神經(jīng)信號，識別包括點(diǎn)擊、滑動和捏合在內(nèi)的多種手勢意圖，甚至在手部自然下垂的狀態(tài)下也能實(shí)現(xiàn)隱蔽操作。

與傳統(tǒng)的鍵盤、鼠標(biāo)、觸摸屏等輸入設(shè)備不同，它擺脫了對中間設(shè)備的依賴。并且，相較于基于攝像頭或慣性傳感器的手勢系統(tǒng)，它不受動作遮擋的影響。而與侵入性的腦機(jī)接口相比，它也無需定制解碼器，且能在不同人群中實(shí)現(xiàn)通用化應(yīng)用。

基于300多名受試者提供的超過100小時肌電數(shù)據(jù)，研究團(tuán)隊還開發(fā)出具有高度適應(yīng)性的機(jī)器學(xué)習(xí)模型。該模型最顯著的特點(diǎn)是無需個人校準(zhǔn)即可實(shí)現(xiàn)高精度手勢識別，而僅需少量個性化數(shù)據(jù)就能將筆跡識別準(zhǔn)確率提升16%。

Meta在2023年通過OrionAR眼鏡原型完成該成果的早期技術(shù)驗(yàn)證。

一、高靈敏度腕帶+通用解碼模型

為實(shí)現(xiàn)這一突破，研究團(tuán)隊從硬件和模型兩方面著手。?

硬件方面：該團(tuán)隊研發(fā)了一款高靈敏度、易佩戴的sEMG腕帶（sEMG-RD）。

該腕帶采用干電極、多通道記錄設(shè)計，采樣率達(dá)2kHz，噪音低至2.46μVrms，續(xù)航超過4小時，且有四種尺寸以適應(yīng)不同腕圍。其電極布局經(jīng)過優(yōu)化，能精準(zhǔn)捕捉手腕、手部和前臂肌肉的電信號，甚至可檢測到單個運(yùn)動單位動作電位（MUAPs）。

在研發(fā)過程中，團(tuán)隊經(jīng)過多次材料測試與結(jié)構(gòu)優(yōu)化，才確定了?最終的腕帶設(shè)計，以確保其佩戴舒適性與信號采集穩(wěn)定性的平衡。?

數(shù)據(jù)收集與模型訓(xùn)練方面：該團(tuán)隊構(gòu)建了可擴(kuò)展的數(shù)據(jù)收集基礎(chǔ)設(shè)施，從數(shù)千參與者獲取訓(xùn)練數(shù)據(jù)。

基于這些數(shù)據(jù)，團(tuán)隊開發(fā)出通用的sEMG解碼模型。模型采用了多種深度學(xué)習(xí)架構(gòu)，如用于手腕任務(wù)的長短期記憶（LSTM）層、用于離散手勢任務(wù)的1D卷積層加LSTM層，以及用于手寫任務(wù)的Conformer架構(gòu)等，以適應(yīng)不同交互場景的需求。

在模型訓(xùn)練階段，研究人員還運(yùn)用了遷移學(xué)習(xí)等先進(jìn)技術(shù)，加速模型收斂，并通過不斷調(diào)整超參數(shù)，提升模型的泛化能力與準(zhǔn)確性。?

二、0.88次/秒手勢識別，手寫輸入達(dá)20.9字/分鐘

在連續(xù)導(dǎo)航任務(wù)中，sEMG的閉環(huán)手勢解碼中位數(shù)性能為0.66次/秒；這意味著用戶在進(jìn)行連續(xù)的手勢操作以控制光標(biāo)等對象在屏幕上導(dǎo)航時，平均每秒能夠?qū)崿F(xiàn)0.66次精準(zhǔn)的目標(biāo)獲取，大大提升了操作效率。

在離散手勢任務(wù)中，其手勢檢測速率達(dá)0.88次/秒，即用戶做出如握拳、伸指等離散的特定手勢時，系統(tǒng)能夠以每秒0.88次的速度快速識別并做出響應(yīng)。

?戴sEMG腕帶的測試者，手寫輸入速度可達(dá)20.9字/分鐘，且通過個性化調(diào)整sEMG解碼模型，手寫模型的解碼性能可進(jìn)一步提升16%。?

值得一提的是，這些模型在無需針對個人進(jìn)行訓(xùn)練或校準(zhǔn)的情況下，就能在不同人群中表現(xiàn)良好。其在離線評估中，對未參與訓(xùn)練的參與者，手寫和手勢檢測的分類準(zhǔn)確率超過90%，手腕角度速度解碼誤差小于13°s?1。

研究團(tuán)隊在不同年齡、性別、身體狀況的志愿者群體中進(jìn)行了廣泛測試，均得到了上述穩(wěn)定且優(yōu)異的結(jié)果，驗(yàn)證了該神經(jīng)運(yùn)動接口的通用性與可靠性。?

三、未來應(yīng)用：潛力廣泛，前景可觀?

這一技術(shù)在多個領(lǐng)域都有著廣闊的應(yīng)用前景。?

日常交互：可應(yīng)用于智能手機(jī)、智能手表、智能眼鏡等移動設(shè)備，實(shí)現(xiàn)無縫輸入，尤其適合在移動場景中使用，解決傳統(tǒng)輸入方式在該場景下的局限性。

比如，用戶在行走、乘車時，無需再依賴屏幕觸摸或鍵盤輸入，僅通過簡單的手部肌肉活動，就能完成文字輸入、指令下達(dá)等操作，讓信息交互更加便捷高效。?

輔助技術(shù)：為行動不便者提供新的交互方式，例如那些因肌肉無力或肢體缺失而難以使用傳統(tǒng)設(shè)備的人群，通過細(xì)微的肌肉活動就能實(shí)現(xiàn)與計算機(jī)的交互。

對于肢體殘疾人士，他們可以借助該接口，以自身獨(dú)特的肌肉運(yùn)動模式控制輪椅、假肢等輔助設(shè)備，獲得更高的生活自主性。?

醫(yī)療康復(fù)：可用于臨床診斷和康復(fù)治療，如監(jiān)測患者的肌肉活動情況，輔助制定個性化康復(fù)方案，或作為閉環(huán)神經(jīng)康復(fù)范式的一部分。

醫(yī)生能夠通過分析患者使用該接口時的肌肉電信號數(shù)據(jù)，更精準(zhǔn)地了解患者的肌肉恢復(fù)狀態(tài)，及時調(diào)整康復(fù)訓(xùn)練計劃，提高康復(fù)效果。?

新型控制方式探索：有望實(shí)現(xiàn)對意圖手勢力量的直接檢測，開發(fā)多自由度聯(lián)合控制，以及低做功的控制方式，甚至可能催生出基于神經(jīng)運(yùn)動信號空間的全新交互形式。

例如，在工業(yè)控制領(lǐng)域，工人可以通過佩戴該接口，以更自然的方式遠(yuǎn)程操控復(fù)雜設(shè)備，減少操作失誤，提高生產(chǎn)效率。?

此外，該技術(shù)還為腦機(jī)接口等相關(guān)領(lǐng)域提供了借鑒，其大規(guī)模數(shù)據(jù)收集和模型訓(xùn)練方法可能為解決其他接口的校準(zhǔn)問題提供方向。

結(jié)語：下一代人機(jī)交互范式或?qū)⒈恢匦露x

Meta在2023年通過OrionAR眼鏡原型完成了技術(shù)的前期驗(yàn)證，2025年核心研究成果正式被頂級學(xué)術(shù)期刊Nature收錄發(fā)表。

這項(xiàng)技術(shù)有望從專業(yè)AR設(shè)備逐步拓展成為通用電子設(shè)備的交互標(biāo)準(zhǔn)，最終實(shí)現(xiàn)“讓計算機(jī)理解人類手勢”的技術(shù)愿景。

這種以人為中心的交互理念，或?qū)⒅匦露x下一代人機(jī)交互范式。

教學(xué)丨超超超美古典舞《落花》第3集?？單色舞蹈

（三）慢吸快呼：這種呼吸方法常常出現(xiàn)在慢起快落的動作中|。如：在慢步的舞步中，帶上這種呼吸去進(jìn)行動作，會覺得步伐有重量，腳下有根，很穩(wěn)的感覺_。（四）快吸慢呼：這種呼吸方法常常出現(xiàn)在快起慢落的動作中————。以上四種呼吸方法如能恰當(dāng)?shù)倪\(yùn)用到舞蹈當(dāng)中，舞蹈才會更具有魅力、生命力和感染力，才更能完整的演繹作品所要表達(dá)的思想及感情-。 《風(fēng)箏誤》這首古風(fēng)歌曲，由劉珂矣演唱，周夢雪老師精心錄制了完整版的古典身韻教學(xué)視頻。該舞蹈同樣適合零基礎(chǔ)學(xué)習(xí)者，是大家練習(xí)古典舞的好選擇_-。? 落花接下來，我們將介紹另一支備受好評的古典舞——《落花》。點(diǎn)評：《落花》這首古風(fēng)歌曲，作為林心如主演的影視劇《美人心計》的主題曲，被編成古典舞后呈現(xiàn)出等會說|。