攻关表面肌电图腕带难题，Meta 90万美元资助六所大学研究团队
90万美元资助六所大学研究团队
（映维网Nweon 2026年03月20日）如何让人类仅凭肌肉信号就能直观地控制设备？Meta Reality Labs日前宣布，将向全球六所大学研究团队提供总计90万美元的资助，用于探索表面肌电图技术的创新应用。相关项目不仅致力于攻克神经运动控制的技术难题，更将伦理考量深度融入研究设计，旨在开发更自然、更具包容性的人机交互未来。
如果你能仅凭肌肉信号控制电脑，无需学习键盘打字、鼠标导航或触屏滑动，你会用它做什么？Meta Reality Labs正投资研发像Meta神经手环这样的腕戴控制器，并致力于打造更自然、更直观、更具包容性的人机交互界面。
这项前沿研究采用sEMG表面肌电图腕带，通过检测手腕和手部肌肉发出的电信号，将其转化为数字指令。团队正在开发这种腕带技术用于计算机系统控制，首阶段将应用于AI眼镜，如Meta Ray-Ban智能眼镜和增强现实眼镜原型Orion。这个研究领域可能彻底改变我们与各类技术的交互方式，提供多维度控制自由度，让人们获得更包容、更直观的控制方案。
Meta曾在2025年夏天发布了相关研究提案征集。在收到全球机构70多份提案后，他们今天正式宣布了六支获奖团队：中佛罗里达大学、南佛罗里达大学、加州大学戴维斯分校、纽卡斯尔大学、英属哥伦比亚大学和西北大学。其中，每支团队获得15万美元研究经费，总计90万美元。
提案征集目标
人们如何学习新的表面肌电图控制方式？如何简化上手过程？所述问题成为本次征集的重点。Meta鼓励各团队寻找能够加速表面肌电图交互学习曲线的方法，开发与计算系统丰富通信的新途径。
这家公司征集鼓励表面肌电图控制创新的提案，要求科学与伦理核心团队协作开展研究。研究项目通过多种方法探索这一结合：用户学习过程调查、伦理学家直接参与研究、评估用户情感和价值观、识别应用障碍。
下面是六个获奖方案：
sEMG-Talk：面向语音表达的表面肌电图控制自适应界面
英属哥伦比亚大学的研究人员将开发sEMG-Talk。这是一种结合表面肌电图和机器学习生成语音的界面，让用户无需使用口喉即可说话。sEMG-Talk将使用佩戴在前臂上的设备，包含控制虚拟声道模型的传感器，可应用于辅助技术、数字音乐创作和游戏领域。研究还将针对这一独特交互模式构建新的神经伦理考量分类法，为整个项目的实验设计提供依据。
生命周期中的表面肌电图控制学习：低运动交互的肌肉协同与个性化反馈
加州大学戴维斯分校的研究人员专注于比较表面肌电图系统中仿生控制与非仿生控制转换的不同教学方法。研究人员将在可能有不同学习偏好的年轻和年长人群中，比较游戏化隐式反馈与分步指导的效果。团队还将通过用户调查，识别情感支持和社会支持等不同要素对学习体验的影响方式，从而与用户共同调整方法，找到在学习过程中提升用户自主性的途径。
从无声信号到自主控制：表面肌电图运动学习新教学法
南佛罗里达大学的研究人员将评估人们如何学习自主控制细微肌肉信号。该系统强化目标肌肉的活动，帮助个体在日常活动中逐步提升控制能力。项目最终将与中风康复者进行评估，探索系统如何促进欠活动肌肉的活动。项目的伦理部分研究这类界面如何在人与系统之间保持用户自主性、维护控制权、尊重个人偏好并建立信任。
优化多通道表面肌电图通信带宽
纽卡斯尔大学的团队将教授志愿者在低运动控制中使用表面肌电图，增强与计算系统的通信能力，同时不影响自然手部动作。这种模式可以让日常任务与人机交互互不干扰，更自然地融入日常手部活动中。同时，团队将调查参与者对大规模数据收集的看法，旨在为未来研究开发伦理工具包。这一方向将探讨人们对学习使用表面肌电图技术的总体态度，并明确任何应用障碍。
基于流形对齐和卡尔曼滤波共生的长期表面肌电图交互促进
中佛罗里达大学的团队将研究人们在数字环境中学习新运动技能的方式，这项研究可能有助于改进假肢控制等技术。他们的方法采用共适应、游戏化训练，让算法和用户都能通过持续互动逐步提升协调能力。伦理负责人将直接入驻工程实验室，协助设计实验，研究表面肌电图数据的隐私风险，评估共适应系统如何影响参与者使用假肢技术时的自主感和具身感。
优化完整与受损中枢神经系统人群的肌电接口学习
西北大学的提案聚焦评估用户如何从低带宽过渡到高带宽表面肌电图控制，计划比较渐进式控制塑造，与同时训练多个自由度的AI增强共适应塑造的效果。团队将与中风或脊髓损伤患者以及未受伤的研究参与者合作。项目将包括驻组伦理学家、伦理咨询小组和焦点小组，解答用户数据处理和技术的包容性相关问题。
Meta总结道：“我们要感谢所有提交深思熟虑提案的研究人员，并向获奖者表示祝贺。我们期待看到这项研究的成果，以及它如何帮助表面肌电图技术在未来更具表现力、包容性和责任感。”
