7月23日晚上，这本国际知名的学术杂志发布了一份在线技术研究文件，该文档显示研究人员已经开发了手腕服装的设备（手镯），使用户可以通过手写等手势与计算机进行交互。 该手镯设备将玩偶肌肉动作产生的电信号转换为计算机说明中，而无需个性化校准或入侵手术，这使与计算机的互动更加柔滑并有助于扩大可及性。 本文档介绍了使用技术设备（例如计算机和手机）的传统人类交互方法需要使用键盘，鼠标和触摸屏等输入设备的直接联系。这种类型的互动具有局限性，尤其是在“外部”时。 在这项研究中，来自美国的目标实验室团队。然后，我们使用深度学习来创建一个通用的解码模型，该模型精确地翻译了不同的用途无需单独校准的用户rs。根据其他深度学习领域的说法，该解码模型的性能列出了规模定律。这意味着随着模型的体系结构的增长和数据的增加，性能得到了优化。研究人员还表明，基于特定个人数据的个性化可以进一步提高性能。因此，规模和个性化结果定律指出，指示创建具有广泛应用范围的高性能生物信号解码器。 最近开发的手镯设备使用蓝牙接收器与计算机进行通信。实时识别手势，并允许对一系列计算机交互的努力控制。这些操作可用于完成虚拟导航和选择任务。此外，每分钟20.9个单词的手写文本输入（移动键盘上的平均典型类型）（该度为36个单词每分钟）。 研究人员指出他们的神经Otor手镯为具有多种物理功能的人提供便携式计算机通信方法。神经元运动界面适合将来的研究探索该技术的可及性，例如改善人与计算机之间的相互作用，例如降低移动性，肌肉无力，用手指切割和麻痹。 此外，对于关于表面电解图（SEMG）和表面电解图的未来研究，研究小组在此发布的文档中发布了一个数据库，其中包括三个任务中300名受试者的100多个小时的表面静电图记录。 （Sun Zifa，Wang Jiayi视频来源Springer自然制作的记者） 编辑：[你是面包]