電子發(fā)燒友網(wǎng)綜合報道 ?最近，Meta旗下著名硬件部門Reality Labs開發(fā)了一種新型的通用非侵入性神經(jīng)運動接口，用一個手環(huán)收集生物信號，只需要手腕一動，就能完成豐富的人機交互操作。該成果發(fā)表在Nature期刊上，并詳細介紹了這種技術(shù)的實現(xiàn)方式。（https://www.nature.com/articles/s41586-025-09255-w）
?
研究團隊指出，當前的人機交互存在明顯的局限性，現(xiàn)有計算機輸入方式（鍵盤、鼠標等）依賴設(shè)備，在某些場景下不適用；手勢識別的操作，容易受遮擋影響；侵入式腦機接口(BCI)雖有潛力，但高帶寬通信僅通過侵入性接口實現(xiàn)，且需要為單個個體定制解碼器；非侵入式 EEG信號質(zhì)量低、泛化差，限制了實際應(yīng)用；現(xiàn)有肌電(EMG)系統(tǒng)也面臨姿勢變化魯棒性差、電極位移、跨會話和跨用戶泛化能力不足等問題。
?
?
論文提出并驗證了一種基于表面肌電圖（sEMG）的通用非侵入性神經(jīng)肌肉接口技術(shù)，通過收集數(shù)千名（最多4800名）參與者的訓練數(shù)據(jù)，構(gòu)建了可跨人群泛化的 sEMG 解碼模型。該模型在連續(xù)導(dǎo)航任務(wù)中實現(xiàn) 0.66 次 / 秒的目標獲取，離散手勢任務(wù)中達 0.88 次 / 秒的檢測速度，手寫輸入速度為 20.9 詞 / 分鐘，且通過個性化優(yōu)化可將手寫解碼性能提升 16%。這是首個無需個性化校準即能實現(xiàn)高帶寬交互的神經(jīng)運動接口，為人類和計算機交互提供了新方向。 ?
在硬件方面，Reality Labs開發(fā)的sEMG研究設(shè)備采用了干電極、多通道（48 個電極，16 個雙極通道）、2kHz 采樣率、低噪聲（2.46μVrms）、無線藍牙傳輸、續(xù)航超 4 小時，4 種尺寸適配不同腕圍。同時電極間距接近前臂 EMG 信號空間帶寬（5-10mm），電極間隙適配尺骨位置，可檢測細微肌電信號，通過靈活關(guān)節(jié)連接的機械結(jié)構(gòu)確保電極與皮膚的穩(wěn)定接觸。
?
技術(shù)的基礎(chǔ)是利用肌肉電活動作為神經(jīng)信號的高信噪比窗口，sEMG信號源自運動單元動作電位(MUAPs)的總和，反映中樞神經(jīng)系統(tǒng)發(fā)出的運動指令。
?
信號處理與機器學習上引入了“MPF features”，采用創(chuàng)新的深度學習架構(gòu)，包括旋轉(zhuǎn)不變性模塊(rotational-invariance module)；LSTM層與全連接層結(jié)合；參考語音識別技術(shù)，采用Conformer架構(gòu)(結(jié)合CNN和Transformer)；應(yīng)用SpecAugment數(shù)據(jù)增強技術(shù)。
?
最終Reality Labs實現(xiàn)了強通用的sEMG解碼框架，突破了以往EMG系統(tǒng)需要個性化定制的限制，成為首個兼具非侵入性、高性能和跨人群通用性的神經(jīng)運動接口。
?
在通用模型的基礎(chǔ)上，通過簡單的微調(diào)，還能夠大幅提高識別準確率。研究團隊對對 40 名參與者，使用 1-20 分鐘個人數(shù)據(jù)微調(diào)通用模型，可降低手寫任務(wù)的字符錯誤率（CER）。20 分鐘個人數(shù)據(jù)可使基于 6400 名參與者訓練的模型性能提升 16%，且對通用模型性能較差的用戶提升更顯著。
?
小結(jié)：
?
Reality Labs這項通用非侵入性神經(jīng)運動接口技術(shù)，主要創(chuàng)新點在于首次實現(xiàn)了非侵入性、通用性、高性能和跨人群通用性的神經(jīng)運動接口，無需依賴額外設(shè)備，不受遮擋、光照等環(huán)境影響，實現(xiàn)無縫、自研的交互，為未來的人機交互帶來了新的可能性，在智能手表、眼鏡等移動設(shè)備，以及臨床康復(fù)等場景都有很大的應(yīng)用空間。