打孔卡、键盘、鼠标、触摸屏——我们一代又一代人都在不断适应新的计算机交互方式，用以沟通、创作和完成任务。但如果，有一种方式可以让设备来适应我们，而不是我们适应设备呢？
借助机器学习和人工智能，我们或许可以实现一种更少机械感、更直觉、也更具人性化的交互模式。
我们已经在计算机视觉和自然语言理解领域取得了突破，使我们能通过语音与设备交流，甚至让计算机具备类似人类的视觉感知能力。但如果我们能通过手部的微妙动作来控制计算机呢？毕竟，用手是我们从小开始与世界互动的最自然方式之一。如果未来的计算设备控制方式，就藏在我们的“手腕之间”呢？
下一代人机交互的关键 Reality Labs 的 sEMG 突破
在 Reality Labs ，我们多年来一直在探索这一未来。研究表明，腕部 表面肌电图 (sEMG) 是开启人机交互 (HCI) 下一次革命的关键技术。
这一理念正获得广泛认可。在最新一期《 Nature 》——全球顶尖的多学科科学期刊上，我们发表了经过同行评审的文章，详细阐述了我们在该领域的工作，验证了 sEMG 作为一种直观、无缝的输入方式，适用于大多数人群。《 Nature 》自1869年创刊以来，刊登过 Charles Darwin 、 Jennifer A. Doudna 、 Sir James Chadwick 、 Rosalind E. Franklin 和我们自己的 Yann LeCun 等人的研究。
sEMG：直观、无障碍、随时可用的交互方式
sEMG不仅能让人们随时随地直觉地与设备互动，我们还支持了外部实验室的研究，结果显示这项技术天然具有包容性——它适用于拥有不同身体能力和特征的人群。
我们已经成功打造了首款sEMG腕带原型，并将其与Orion——我们开发的第一代真·增强现实（AR）眼镜结合使用，但这只是个开始。我们的团队开发出了先进的机器学习模型，能够将手腕肌肉控制的神经信号转化为对AR眼镜的操作指令，摆脱了传统输入方式（例如键盘、鼠标）笨重、割裂的限制。
你可以不用键盘就打字发消息，不用鼠标就浏览菜单；更妙的是，你可以一边观察现实世界，一边无缝地与数字内容互动，无需再低头看手机。
创新的手势与手写识别
sEMG 能识别用户意图，执行轻敲、滑动、捏合等手势，且手可自然垂于身体一侧。借助我们的 手写识别技术 ，用户可在桌面、桌子甚至腿部等硬表面上快速书写消息，为随时随地的私密沟通开辟了新可能。
我们的 神经网络 基于数千名自愿参与者的数据训练，能高精度解码不同人群的细微手势，无需个性化校准。即使如此，基于少量个体数据的个性化调整也能将 手写识别 准确率提升高达16%，意味着 sEMG 腕带能随时间适配用户，提供更优性能。
一种适用于所有设备的“完美输入方式”
我们相信，这项技术是目前全球最先进、最接近“理想人机交互方式”的方案之一：
- 它是非侵入式的，利用肌肉信号打造自然的交互方式，避开了其他技术所面临的众多挑战。
- 它使用简单、自然，在不便使用语音（如公共场所发私信）等场景中尤其实用。
- 它无需额外笨重配件，随时待命，保持沉浸感，不会打扰你与人或环境的互动。
面向全球科研界的开放蓝图
更激动人心的是，我们在《Nature》发表的论文为全球科研界提供了一份完整的“神经运动接口”研发蓝图。我们公开了包括硬件设计、实验流程、数据需求和建模方法在内的最佳实践，同时开放了一个包含300多位参与者、三项任务、超过100小时sEMG记录的大型数据集。
结合我们此前公开的姿势识别和表面打字数据集，我们希望这次发布能进一步加速全球学术界在该领域的研究进展。
sEMG的未来：无障碍、无界限的人机交互
未来，sEMG不仅有望彻底改变我们与设备的互动方式，还能为有运动障碍的人带来更高的独立性和生活质量，甚至为人机交互领域打开全新的可能性——那些我们目前仍难以想象的可能性。
它，或许正是适用于几乎所有设备的理想输入方式。
