科技|穿戴式手势装置抗干扰 提升操控准确度

[星岛综合报道] 当前不少穿戴式装置与手势操控技术，往往只能在实验室等稳定环境下运作，一旦用户移动、奔跑，甚至出现震动或颤抖，传感数据便容易受干扰，导致误判。来自University of California, San Diego的研究团队近日发表研究，提出一种能在高度动态环境下仍保持准确的手势控制方案，为穿戴式人机接口技术打开实际应用空间。

该项研究由UC San Diego Jacobs School of Engineering多名研究人员共同完成，并刊登于《Nature Sensors》，核心在于一款可贴附于前臂的电子装置。装置结合动作传感器与肌肉讯号传感器，配合蓝牙模组与可拉伸电池，并透过深度学习系统即时“清洗”噪声数据，有效分辨真实手势与因晃动、震动而产生的错误讯号。

研究团队指出，过往手势控制系统最大的限制，在于难以应付现实世界中不可避免的“干扰”。为此，团队利用人工智能模型，分析大量来自陆地及海上活动的动态数据，建立可辨识不同环境下手臂动作的数据库，令系统即使在跑动、高频震动或不稳定状态下，仍能作出低延迟、准确的控制反应。

测试过程中，受试者需在奔跑、被摇晃，甚至模拟海浪震动的情况下，操控机械臂等装置。结果显示，系统能有效消除因颤动或碰撞引起的数据噪音，避免误触发，整体表现较现有穿戴式手势控制方案稳定。

研究最初获美国国防高等研究计划署（DARPA）支持，原意是提升军事潜水员在水下操控机器人的能力。不过团队其后发现，相关技术对快速发展的穿戴式装置市场同样重要，尤其是在日常活动中，用户难以保持静止的情况下。

研究人员认为，这类抗干扰手势控制技术，未来可应用于工业、紧急救援及危险环境操作，让工作人员在高速或高风险情况下，以免提方式操控机械、车辆或工具。此外，对于复康患者或有动作障碍人士，系统亦可按个人自然动作进行训练，毋须完全恢复精细动作能力，扩阔辅助科技的应用可能。

研究团队强调，这项成果不仅是传感器硬件的改进，更在于引入可学习环境与个体差异的人工智能模型，为下一代穿戴式人机接口奠定基础，令相关技术真正走出实验室，融入日常生活。

T10