Nieuwe wearables laten je machines en robots besturen met simpele gebaren – zelfs tijdens beweging

Motion Design INSIDER

Het draagbare systeem geplakt op een stof armband. (Afbeelding: De onderzoekers)

Ingenieurs aan de Universiteit van Californië San Diego hebben een next-generation draagbaar systeem ontwikkeld dat mensen in staat stelt machines te besturen met alledaagse gebaren – zelfs tijdens hardlopen, autorijden, of drijven op turbulente oceaangolven.

Het systeem, beschreven in de uitgave van 17 november 2025 van Nature Sensors, combineert utrekbare elektronica met kunstmatige intelligentie om een langdurige uitdaging in wearable technologie te overwinnen: betrouwbare herkenning van gebaarssignalen in real-world omgevingen.

Draagbare technologieën met gebaarsensoren werken prima wanneer een gebruiker stil zit, maar de signalen gaan uiteen onder overmatige bewegingsruis, legde studie co-eerste auteur Xiangjun Chen uit, een postdoctorale onderzoeker in de Aiiso Yufeng Li Family Department of Chemical and Nano Engineering aan de UC San Diego Jacobs School of Engineering. Dit beperkt hun praktische bruikbaarheid in het dagelijks leven. "Ons systeem overkomt deze beperking," zei Chen. "Door AI te integreren om ruisvolle sensordata in real-time te zuiveren, stelt de technologie alledaagse gebaren in staat om machines betrouwbaar te besturen zelfs in hoogdynamische omgevingen."

De technologie zou patiënten in revalidatie of individuen met beperkte mobiliteit kunnen laten natuurlijke gebaren gebruiken om robotische hulpmiddelen te besturen zonder vertrouwen op fijnemotorische vaardigheden. Industriële werknemers en eerste hulpverleners zouden de technologie potentiëel kunnen gebruiken voor hands-free controle van tools en robots in hoge-bewegings- of gevaarlijke omgevingen. Het zou zelfs duikers en remote operators in staat stellen onderwaterrobots te bevelen ondanks turbulente omstandigheden. In consumentenapparaten zou het systeem gebaargebaseerde controles betrouwbaarder maken in alledaagse situaties.

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

Naar de kennis van de onderzoekers is dit de eerste draagbare human-machine interface die betrouwbaar werkt over een breed bereik van bewegingsstoringen. Als resultaat kan het werken met de manier waarop mensen daadwerkelijk bewegen.

Het apparaat is een zachte elektronische patch die op een stof armband geplakt wordt. Het integreert bewegings- en spiersensoren, een Bluetooth microcontroller, en een utrekbare batterij in een compact, meervoudig gelaagd systeem. Het systeem werd getraind vanuit een composiet dataset van echte gebaren en condities, van hardlopen en schudden tot de beweging van oceaangolven. Signalen van de arm worden vastgelegd en verwerkt door een aangepast deep-learning framework dat interferentie verwijdert, het gebaar interpreteert, en een commando overbrengt om een machine zoals een robotarm te besturen, in real-time.

Het systeem werd getest in meerdere dynamische condities. Proefpersonen gebruikten het apparaat om een robotarm te besturen tijdens hardlopen, blootgesteld aan hoge-frequentie trillingen, en onder een combinatie van storingen. Het apparaat werd ook gevalideerd onder gesimuleerde oceaancondities met de Scripps Ocean-Atmosphere Research Simulator aan UC San Diego's Scripps Institution of Oceanography, die zowel lab-gegenereerde als echte zeebeweging hercreëerde. In alle gevallen leverde het systeem accurate, lage-latentie prestaties.

Oorspronkelijk was dit project geïnspireerd door het idee militairen duikers te helpen onderwaterrobots te besturen. Maar het team realiseerde zich snel dat interferentie van beweging niet alleen een probleem was uniek voor onderwateromgevingen. Het is een veelvoorkomende uitdaging over het hele veld van wearable technologie, een die lang de prestaties van dergelijke systemen in het dagelijks leven heeft beperkt.

"Dit werk vestigt een nieuwe methode voor ruistolerantie in draagbare sensoren," zei Chen. "Het baant de weg voor next-generation draagbare systemen die niet alleen utrekbaar en draadloos zijn, maar ook in staat zijn om te leren van complexe omgevingen en individuele gebruikers."

Bron