2025 年 11 月 17 日，加州大学圣地亚哥分校徐升团队、Joseph Wang 团队等在 Nature 新子刊 Nature Sensors 上发表了题为：A noise-tolerant human–machine interface based on deep learning-enhanced wearable sensors 的研究论文，这也是在这本新期刊上线的首篇文章。

         可穿戴惯性测量单元（IMU）在 VR 、姿势识别、运动检测以及机器人控制等领域有着巨大潜力。然而，在真实世界应用中，手势信号常常受到运动伪影的干扰。运动伪影来自于诸多方面，包括但不限于人体运动（行走、奔跑、跳跃等），自然环境干扰以及重力矢量方向的变化，这些运动伪影可能会对手势信号产生严重扰乱，甚至淹没手势信号，是手势识别应用中无法避免的挑战。

         该研究团队设计了一款基于深度学习的抗运动干扰人机交互界面，通过深度学习算法处理干扰，将识别准确度从51%提高到了92%以上，数据收集时间也从约2分钟缩短至约6秒。此外，研究团队也将此传感系统应用于机械臂控制和水下信号采集，均展现出良好的效果。

人机交互界面概述（包括IMU信号检测、传感系统结构以及可拉伸电池材料等）

存在运动伪影的实时机械臂控制

        总的来说，这项研究实现了可穿戴人机界面在复杂的真实世界应用中的巨大突破，为人与机器之间更贴合、精准的交互作出了显著的推动。在未来，随着技术的不断完善，我们或许能更加自由地与智能设备流畅互动。

新闻来源：

      微信公众号：生物世界

      文章：“Nature全新子刊上线首篇论文，来自华人团队，AI加持的可穿戴传感器，突破手势识别最后难关”（2025.11.18）

论文原文：https://doi.org/10.1038/s44460-025-00001-3