中國新聞網

中新網北京7月24日電 (記者 孫自法)國際知名學術期刊《自然》北京時間7月23日夜間在線發表一篇技術研究論文透露，研究人員開發出一款手腕佩戴裝置(手環)，能讓用戶通過手寫動作這類手勢與計算機進行交互。

這種手環裝置能將手腕處肌肉運動產生的電信號轉換成計算機指令，同時無需個性化校準或侵入性手術，從而助力讓人類與計算機的交互更絲滑，擴大可及性規模。

本項研究的手環及其神經運動界面展示(圖片來自meta現實實驗室)。施普林格·自然 供圖

該論文介紹，人類與計算機和手機這類技術裝置的傳統交互方式，需要使用鍵盤、鼠標和觸屏這類輸入設備進行直接接觸。這類交互具有局限性，尤其是在“移動場景”(on-the-go)下。

在本項研究中，美國meta公司現實實驗室一支研究團隊利用數千名受試者的訓練數據開發出一個高靈敏度手環，能探測手腕處肌肉的電信號并將其轉換成計算機信號。他們隨后利用深度學習創建了泛型解碼模型，該模型無需個體校準就能準確翻譯不同的用戶輸入。與其他深度學習域一致，該解碼模型的性能表現出尺度定律，即性能隨模型架構擴大和數據增加而優化。研究團隊還展示了如果根據特定個體數據進行個性化，性能就可進一步提升。因此，尺度定律和個性化的結果，為打造具有廣泛應用的高性能生物信號解碼器指明了方向。

最新研發的該款手環裝置利用藍牙接收器與計算機進行通訊，能識別實時手勢，實現對一系列計算機交互的省力操控。這些操控可用于完成虛擬導航和選擇任務，以及每分鐘20.9個單詞的手寫文本輸入(手機鍵盤打字速度平均為每分鐘36個單詞)。

研究團隊指出，他們的神經運動手環為身體機能各異的人士提供了一種可穿戴的計算機通信方式。神經運動接口很適合進一步研究，以探索該技術的可及性應用，如改善行動力下降、肌無力、手指截肢、癱瘓等人群與計算機的交互。

此外，為推動今后對表面肌電信號(sEMG)和表面肌電信號模擬在更大群體中的研究，研究團隊還在本次發表的論文中公開發布了一個數據庫，其中包含來自300受試者對全部三項任務的逾100小時的表面肌電信號記錄。(完)