Meta发布神经运动接口：非侵入式手势控制引领人机交互新纪元

智东西7月25日消息，7月23日，Meta的Reality Labs在Nature杂志上发表了一篇题为《A generic non-invasive neuromotor interface for human-computer interaction》的论文，介绍了他们最新研发的非侵入式神经运动接口技术。

这项技术的核心亮点在于其基于表面肌电图（sEMG）的通用型非侵入性神经运动接口。该接口以轻便的腕带形式呈现，无需手术介入即可精准捕捉手腕部位的神经信号，识别多种手势意图，包括点击、滑动和捏合等，即便手部处于自然下垂状态也能实现隐蔽操作。

与传统的输入设备不同，该技术摆脱了中间设备的束缚，且不受动作遮挡的影响。相较于侵入性脑机接口，它无需定制解码器，实现了跨人群的通用应用。

研究团队利用来自300多名受试者的超过100小时的肌电数据，开发出了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，而仅需少量个性化数据就能将笔迹识别准确率提高16%。

在2023年，Meta通过Orion AR眼镜原型完成了该成果的早期技术验证。

高灵敏度腕带+通用解码模型

为达成这一突破，研究团队在硬件和模型两方面都进行了创新。

硬件方面：团队研发了一款高灵敏度、易佩戴的sEMG腕带（sEMG-RD）。该腕带采用干电极、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，且提供四种尺寸以适应不同腕围。其电极布局经过优化，能精准捕捉手腕、手部和前臂肌肉的电信号，甚至可检测到单个运动单位动作电位（MUAPs）。

数据收集与模型训练方面：团队构建了可扩展的数据收集基础设施，从数千名参与者中收集训练数据。基于这些数据，团队开发了通用的sEMG解码模型。模型采用了多种深度学习架构以适应不同交互场景的需求。

高效手势识别与手写输入

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，其手势检测速率达0.88次/秒。戴sEMG腕带的测试者手写输入速度可达20.9字/分钟，且通过个性化调整sEMG解码模型，手写模型的解码性能可进一步提升16%。

这些模型在不同人群中表现良好，无需个人训练或校准。其在离线评估中，对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。

未来应用：潜力广泛

这项技术具有广泛的应用前景。在日常交互方面，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；在辅助技术方面，为行动不便者提供新的交互方式；在医疗康复方面，可用于临床诊断和康复治疗；在新型控制方式探索方面，有望实现对意图手势力量的直接检测。

结语：人机交互的新篇章

Meta在2023年通过Orion AR眼镜原型完成了技术的前期验证，2025年核心研究成果正式被顶级学术期刊Nature收录发表。这项技术有望从专业AR设备逐步拓展成为通用电子设备的交互标准。

这种以人为中心的交互理念或将重新定义下一代人机交互范式。