Meta新型腕带实现“意念控制”，用非侵入神经接口实现手势操控，成果已在Nature发表

主要观点总结

Meta公司开发了一项基于非侵入性神经运动接口技术，该技术结合了表面肌电图（SEMG）和深度学习模型，通过佩戴在手腕上的设备实现与计算机无缝交互。该技术在手写、手势检测等任务中表现出较高的准确率，为未来人机交互提供了更多可能性。研究团队公开了相关数据和代码以促进研究进步。

关键观点总结

关键观点1: 技术背景

Meta公司的 Reality Labs 研究团队开发出一种非侵入性神经运动接口技术，该技术基于表面肌电图（SEMG）理解人体运动指令，通过读取肌肉产生的电信号实现意念控制。

关键观点2: 设备介绍

研究团队设计了一款像腕带一样的SEMGS研究设备（SEMG-RD），用于在手腕处记录SEMG信号。该设备无线、可适应不同解剖结构和环境，并通过蓝牙传输数据。

关键观点3: 模型性能

离线和在线评估显示，SEMG-RD平台在手写和手势检测任务中实现了超过90%的分类准确率。在线评估反映了模型作为计算机接口的实际可行性。

关键观点4: 技术优势与挑战

该技术不依赖手持设备或外部仪器，具有广泛的应用前景。然而，与传统交互设备相比，SEMG解码器的绝对性能仍有差距。此外，该技术在学习曲线、泛化到行动不便人群等方面存在局限性。

关键观点5: 未来展望

研究团队公开了相关数据和代码以促进研究进步，并计划关注用户熟练度提升、模型优化（包括个性化）、后处理技术和硬件传感性能的改进。

免责声明