Met de nieuwe wearable kunt u machines en robots besturen met eenvoudige gebaren, zelfs terwijl u beweegt

Bewegingsontwerp INSIDER

Ingenieurs van de Universiteit van Californië in San Diego hebben een draagbaar systeem van de volgende generatie ontwikkeld waarmee mensen machines kunnen besturen met behulp van alledaagse gebaren – zelfs terwijl ze rennen, in een auto rijden of drijven op turbulente oceaangolven.

Het systeem, beschreven in Nature Sensors van 17 november 2025 , combineert rekbare elektronica met kunstmatige intelligentie om een al lang bestaande uitdaging op het gebied van draagbare technologie te overwinnen:betrouwbare herkenning van gebarensignalen in echte omgevingen.

Draagbare technologieën met gebarensensoren werken prima als een gebruiker stilzit, maar de signalen vallen uiteen onder overmatig bewegingsgeluid, verklaarde co-eerste auteur Xiangjun Chen, een postdoctoraal onderzoeker bij de Aiiso Yufeng Li Family Department of Chemical and Nano Engineering aan de UC San Diego Jacobs School of Engineering. Dit beperkt hun bruikbaarheid in het dagelijks leven. “Ons systeem overwint deze beperking,” zei Chen. “Door AI te integreren om luidruchtige sensorgegevens in realtime op te schonen, maakt de technologie alledaagse gebaren mogelijk om machines betrouwbaar te besturen, zelfs in zeer dynamische omgevingen.”

De technologie zou bijvoorbeeld patiënten in revalidatie of personen met beperkte mobiliteit in staat kunnen stellen natuurlijke gebaren te gebruiken om robothulpmiddelen te besturen zonder afhankelijk te zijn van fijne motoriek. Industriële werknemers en eerstehulpverleners zouden de technologie mogelijk kunnen gebruiken voor handsfree bediening van gereedschappen en robots in drukke of gevaarlijke omgevingen. Het zou zelfs duikers en operators op afstand in staat kunnen stellen onderwaterrobots te besturen, ondanks turbulente omstandigheden. Op consumentenapparaten zou het systeem op gebaren gebaseerde bediening betrouwbaarder kunnen maken in alledaagse omgevingen.

Het werk was een samenwerking tussen de laboratoria van Sheng Xu en Joseph Wang, beide professoren in de Aiiso Yufeng Li Family Department of Chemical and Nano Engineering aan de UC San Diego Jacobs School of Engineering.

Voor zover de onderzoekers weten is dit de eerste draagbare mens-machine-interface die betrouwbaar werkt bij een breed scala aan bewegingsstoornissen. Als gevolg hiervan kan het werken met de manier waarop mensen daadwerkelijk bewegen.

Het apparaat is een zachte elektronische patch die op een stoffen armband is geplakt. Het integreert bewegings- en spiersensoren, een Bluetooth-microcontroller en een rekbare batterij in een compact, meerlaags systeem. Het systeem is getraind op basis van een samengestelde dataset van echte gebaren en omstandigheden, van rennen en trillen tot de beweging van oceaangolven. Signalen van de arm worden opgevangen en verwerkt door een op maat gemaakt diepgaand leerframework dat interferentie wegneemt, het gebaar interpreteert en in realtime een commando verzendt om een machine zoals een robotarm te besturen.

Het systeem werd getest in meerdere dynamische omstandigheden. Proefpersonen gebruikten het apparaat om een ​​robotarm te besturen terwijl ze aan het rennen waren, blootgesteld aan hoogfrequente trillingen en onder een combinatie van verstoringen. Het apparaat werd ook gevalideerd onder gesimuleerde oceaanomstandigheden met behulp van de Scripps Ocean-Atmosphere Research Simulator van de Scripps Institution of Oceanography van UC San Diego, die zowel door het laboratorium gegenereerde als echte zeebewegingen nabootste. In alle gevallen leverde het systeem nauwkeurige prestaties met lage latentie.

Oorspronkelijk was dit project geïnspireerd door het idee om militaire duikers te helpen onderwaterrobots te besturen. Maar het team realiseerde zich al snel dat interferentie door beweging niet alleen een probleem was dat uniek was voor onderwateromgevingen. Het is een veel voorkomende uitdaging op het gebied van draagbare technologie, een uitdaging die de prestaties van dergelijke systemen in het dagelijks leven lange tijd heeft beperkt.

"Dit werk introduceert een nieuwe methode voor geluidstolerantie in draagbare sensoren", zei Chen. “Het maakt de weg vrij voor draagbare systemen van de volgende generatie die niet alleen rekbaar en draadloos zijn, maar ook kunnen leren van complexe omgevingen en individuele gebruikers.”

Bron