index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
Meta旗下Reality Labs正开发一款实验性腕带装置，能通过解读表面肌电信号，将用户手势转化为电脑、游戏机或智慧眼镜的控制指令。这款名为sEMG-RD的腕带配合先进的AI模型，实现了非侵入式神经制动，有望让用户摆脱键盘、鼠标和手机，直接通过手势与数字内容互动。研究表明，该系统能识别多种操作意图，甚至能通过手写识别转化为文字，并且随着使用时间的增加，识别准确度还能进一步提升。这项技术为脑机接口带来了新的可能性，尤其为身体不便的用户提供了非侵入式的交互工具，同时也为商业及娱乐领域探索新的人机互动方式。
🖐️ **非侵入式手势控制：** Meta的Reality Labs正在研发一款名为sEMG-RD的实验性腕带，它通过捕捉用户手部肌肉的表面肌电（sEMG）信号，利用先进的AI模型将其解读为电脑控制指令，实现非侵入式的手势交互。这使得用户无需物理接触，就能控制电脑、游戏机或智能眼镜等设备。
🧠 **AI驱动的信号解读：** 该腕带的核心在于其信号解读模型，这是一个基于机器学习的软件架构。它能够将大脑发出的神经信号转化为精确的系统操作指令，例如识别“点”、“捏”、“扫”等多种操作意图。研究团队通过大量参与者数据训练该模型，使其具备泛化能力。
✍️ **手势识别与个性化优化：** sEMG-RD不仅能识别基本的手势指令，还能通过手写识别技术将用户在硬质表面上的书写动作转化为文字。更重要的是，该系统支持个性化定制，通过少量个人数据即可显著提升特定用户的识别准确度，这意味着设备会越用越“懂”用户。
💡 **脑机接口的新进展：** 与需要手术植入的高频脑机接口（如Neuralink）或信号质量较低的脑电图（EEG）相比，sEMG是一种非侵入式且信号质量高的方法。它克服了现有脑机接口的技术限制，为身体障碍用户提供了更便捷的交互工具，并为普通用户开辟了全新的人机互动体验。
🚀 **普及化与未来应用：** 相较于传统肌电图（EMG）需要笨重的信号放大器和电池，sEMG-RD的腕带设计轻巧，大大提升了其普及性和易用性。Meta期望这项技术不仅能赋能残障人士，还能在商业和消费娱乐领域带来革命性的人机交互方式。
Meta旗下Reality Labs揭露正在開發的一款實驗性腕帶裝置，能讓用戶以手勢控制電腦、遊戲機或是智慧眼鏡。
Reality Labs也在最新一期《Nature》期刊公佈這項研究。最新研究是一項非侵入式神經制動介面，能從表面肌電（surface electromyography，sEMG）訊號解讀並轉換成電腦控制指令，它包含了一款包含感測器的腕帶裝置，名為sEMG-RD，及一個訊號解讀模型的軟體基礎架構。
sEMG-RD的腕帶感測器能蒐集大腦控制手部肌肉動作的神經訊號，並傳送給AI模型。研究團隊開發的進階機器學習模型sEMG，能將這些大腦發送的神經訊號轉換成系統操作指令。運用新實驗的肌電控制系統，Meta的實驗中，成功讓用戶以sEMG-RD控制Meta的AR眼鏡Orion，Meta希望未來能讓裝置使用者不需鍵盤、滑鼠甚至使用手機就能打字、控制選單或和數位內容互動。
圖片來源／Meta
sEMG模型以數千名明確同意的參與者的資料訓練而成，可判讀多種操作意圖，包括點、捏、掃等，用戶也可以在硬質表面如桌上、甚至大腿比畫寫字，Meta的手寫辨識技術也能將之轉成文字。此外，研究團隊表示，雖然基礎模型已經具備泛化（generalized）能力，能準確適用於不同人，但是也允許客製化；只要少量個人化資料就能提升個別使用者的辨識準確度，例如提升16%的手寫辨識。這意謂著，使用者配戴sEMG衍生的裝置愈久，表現就會愈好。
Meta表示，sEMG是完全非侵入式方法，將神經肌肉訊號轉換成電腦互動，開啟全新的腦機介面（brain-computer-interface）可能性。現有的高頻介面（像是馬斯克的NeuraLink或BrainGate），需要動手術，而且以腦電腦蒐集腦電圖（electroencephalogram, EEG）雖然適用性較廣，但這類方法設定較麻煩，且訊噪比太低（訊號品質低）也限制了可用性。肌電圖已廣泛用於義肢操控，但需要在使用者身上配戴笨重的訊號放大器及電池。
相較之下，sEMG具備腦機介面的高品質訊號，輕巧的腕帶裝置也提升適用普及性。研究人員相信，新的腕帶裝置不但可為身體障礙的用戶提供非侵入式的電腦互動工具，也可探索新的人機互動方式，應用於一般商業及消費娛樂用途上。
