加州大学圣地亚哥分校的工程师们近日取得突破，开发出一款新一代可穿戴系统，该系统结合可拉伸电子器件与人工智能，实现了在动态环境中通过日常手势可靠控制机器的功能。相关研究成果发表在《自然·传感器》上，论文标题为“基于深度学习增强型可穿戴传感器的抗噪声人机界面”。这一可穿戴系统克服了可穿戴技术领域长期存在的挑战，即在真实环境中可靠地识别手势信号。

据该研究的共同第一作者、加州大学圣地亚哥分校雅各布工程学院艾索·玉峰·李家族化学与纳米工程系博士后研究员陈祥军介绍，传统可穿戴技术在用户静止时表现良好，但在运动噪声干扰下，信号易失真，限制了其日常实用性。而新一代系统通过集成人工智能，能够实时清理噪声传感器数据，确保手势信号即使在高速运动或复杂环境中也能被准确识别。这一特性使得该系统在工业、应急救援、潜水及消费电子设备等多个领域具有广泛应用前景。例如，康复患者或行动不便者可通过自然手势控制机器人辅助设备;工业工人和应急救援人员可在高速运动或危险环境中免手持操作工具和机器人;潜水员和远程操作员则能在湍急水流中操控水下机器人。

该系统是一个柔软的电子贴片，粘贴在布质臂带上，集成了运动和肌肉传感器、蓝牙微控制器及可拉伸电池。通过定制深度学习框架，系统能够捕获并处理来自手臂的信号，去除干扰、解读手势，并实时发送指令控制机器。在多种动态条件下进行的测试中，受试者使用该装置控制机械臂，同时进行跑步、高频振动及多种干扰条件下的测试，均表现出精准、低延迟的性能。此外，该设备还在模拟海洋环境中进行了验证，同样表现出色。

更多信息： Xiangjun Chen 等人，《基于深度学习增强型可穿戴传感器的抗噪人机界面》，《自然·传感器》(2025)。期刊信息： 《自然传感器》