第一篇創刊論文 - 徐升教授團隊與合作者 Nat. Sensors: 基于深度學習增強型可穿戴傳感器的抗噪人機交互系統

近日，加州大學圣地亞哥分校（UCSD）研究團隊研發出一種新型可穿戴系統，使用戶即使在奔跑、乘車或隨海浪漂浮時，也能通過日常手勢精準控制機器。該研究由加州大學圣地亞哥分校雅各布工程學院化學與納米工程系徐升教授與Joseph Wang教授共同領導完成。特別一提的是，已于近日加入斯坦福大學。

2025年11月17日，該研究成果以“A noise-tolerant human–machine interface based on deep learning-enhanced wearable sensors”為題發表于Nature旗下期刊《Nature Sensors》上, 作為創刊的第一篇文章。它通過融合可拉伸電子技術與人工智能，攻克了可穿戴技術領域一個長期存在的難題：如何在真實動態環境中穩定識別手勢信號。論文共同第一作者為加州大學圣地亞哥分校陳相君、婁志遠、郜曉翔和尹鹿，徐升教授、Joseph Wang教授為通訊作者。

“現有可穿戴手勢傳感器在用戶靜止時表現良好，但一旦處于劇烈運動中，信號會嚴重失真，”論文第一作者、加州大學圣地亞哥分校雅各布工程學院化學與納米工程系博士后研究員陳相君解釋道，“ 我們的系統突破了這一局限。它引入人工智能實時濾除運動噪聲，從而確保用戶在高度動態的環境中，也能通過自然手勢可靠地控制機器。”

這項技術應用前景廣闊。對于肌肉康復患者或行動不便人士，它意味著無需精細動作，僅憑自然手勢即可操控機器人輔助設備。工業工人和應急救援人員則可在動態或危險環境中，借此遠程操作工具與機器人。此外，無論是潛水員在湍流下，還是遠程操作者，都能穩定控制水下機器人。在消費電子領域，該系統也有望大幅提升日常手勢控制的穩定性。

研究人員稱，這是首款能在各種運動干擾下穩定運行的可穿戴人機交互系統，能夠真正適應人類的自然活動模式。

據陳相君博士演示，該系統集成于一個可佩戴的臂帶上，其核心是一塊附著于彈性織物上的軟性電路貼片。該貼片集成了運動與肌電傳感器、藍牙微控制器以及可拉伸電池，構成一個緊湊的多層系統。系統利用在真實動態環境中采集的多樣化手勢與運動數據（如奔跑、震動、海浪擾動）進行訓練，并通過定制的深度學習框架處理手臂信號。該框架能有效剝離運動干擾、精準識別手勢意圖，并實時發送指令控制如機械臂等外部設備。

“ 這項技術讓我們向實現全場景、高穩定性的人機交互邁出了關鍵一步。”陳相君博士表示。

該系統已在多種高動態場景下通過嚴格測試。參與者在奔跑、高頻震動及多重擾動中，均能使用該系統穩定操控機械臂。在斯克里普斯海洋研究所的海氣相互作用模擬器中進行的測試更具挑戰 - 該系統在模擬的實驗室級及真實海洋運動下，同樣表現出極高的識別準確率。

研究團隊最初的靈感源于幫助潛水員操控水下機器人。但他們很快意識到，運動干擾問題普遍存在于各類可穿戴技術中，并長期制約著其在日常生活中的應用表現。

“我們的研究為可穿戴傳感器建立了一種全新的抗噪方式，”陳相君博士說，“這為下一代可穿戴系統奠定了基礎 - 它們不僅具備可拉伸、無線化的特性，更能適應復雜環境，并擁有個性化的學習能力。”

圖1. 耐噪人機接口概述

圖2. 多通道獲取手勢信號和運動偽跡

圖3. 通過深度學習和遷移學習進行手勢分類

圖4. 帶有運動干擾的實時機械臂控制

視頻 1 -視頻6

圖5. 耐噪人機接口的水下應用

視頻 7

https://www.nature.com/articles/s44460-025-00001-3

相關進展

免責聲明：部分資料可能來源于網絡，轉載的目的在于傳遞更多信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯系我們及時修改或刪除。原創文章歡迎個人轉發和分享，刊物或媒體如需轉載請聯系。聯系郵箱： chem@chemshow.cn

微信號 : Chem-MSE

誠邀投稿

歡迎專家學者提供化學化工、材料科學與工程及生物醫學工程等產學研方面的稿件至chem@chemshow.cn，并請注明詳細聯系信息。化學與材料科學會及時選用推送。