Novo Vestível Permite Controlar Máquinas e Robôs com Gestos Simples — Mesmo em Movimento

Motion Design INSIDER

O sistema vestível colado em uma faixa de braço de tecido. (Imagem: Os pesquisadores)

Engenheiros da Universidade da Califórnia San Diego desenvolveram um sistema vestível de última geração que permite pessoas controlarem máquinas usando gestos cotidianos — mesmo enquanto correm, andam de carro ou flutuam em ondas oceânicas turbulentas.

O sistema, descrito na edição de 17 de novembro de 2025 da Nature Sensors, combina eletrônica elástica com inteligência artificial para superar um desafio de longa data na tecnologia vestível: Reconhecimento confiável de sinais de gesto em ambientes reais.

Tecnologias vestíveis com sensores de gesto funcionam bem quando o usuário está sentado imóvel, mas os sinais começam a se desfazer sob ruído de movimento excessivo, explicou o co-primeiro autor do estudo Xiangjun Chen, pesquisador de pós-doutorado no Departamento de Engenharia Química e Nano Aiiso Yufeng Li Family na Jacobs School of Engineering da UC San Diego. Isso limita sua praticidade na vida diária. "Nosso sistema supera esta limitação," disse Chen. "Integrando IA para limpar dados ruidosos de sensores em tempo real, a tecnologia permite gestos cotidianos controlarem máquinas de forma confiável mesmo em ambientes altamente dinâmicos."

A tecnologia poderia permitir que pacientes em reabilitação ou indivíduos com mobilidade limitada, por exemplo, usem gestos naturais para controlar auxiliares robóticos sem depender de habilidades motoras finas. Trabalhadores industriais e socorristas poderiam potencialmente usar a tecnologia para controle mãos-livres de ferramentas e robôs em ambientes de alto movimento ou perigosos. Poderia até permitir que mergulhadores e operadores remotos comandem robôs subaquáticos apesar de condições turbulentas. Em dispositivos de consumo, o sistema poderia tornar controles baseados em gesto mais confiáveis em configurações cotidianas.

O trabalho foi uma colaboração entre os laboratórios de Sheng Xu e Joseph Wang, ambos Professores no Departamento de Engenharia Química e Nano Aiiso Yufeng Li Family na Jacobs School of Engineering da UC San Diego.

Para o conhecimento dos pesquisadores, esta é a primeira interface homem-máquina vestível que funciona de forma confiável em uma ampla gama de perturbações de movimento. Como resultado, pode funcionar com a forma como as pessoas realmente se movem.

O dispositivo é um adesivo eletrônico macio colado em uma faixa de braço de tecido. Integra sensores de movimento e musculares, um microcontrolador Bluetooth e uma bateria elástica em um sistema compacto e multicamadas. O sistema foi treinado a partir de um dataset composto de gestos reais e condições, desde corrida e agitação até movimento de ondas oceânicas. Sinais do braço são capturados e processados por um framework de deep learning personalizado que remove interferência, interpreta o gesto e transmite um comando para controlar uma máquina como um braço robótico, em tempo real.

O sistema foi testado em múltiplas condições dinâmicas. Sujeitos usaram o dispositivo para controlar um braço robótico enquanto corriam, expostos a vibrações de alta frequência, e sob combinação de perturbações. O dispositivo também foi validado sob condições oceânicas simuladas usando o Scripps Ocean-Atmosphere Research Simulator na Scripps Institution of Oceanography da UC San Diego, que recriou tanto movimento marinho gerado em laboratório quanto real. Em todos os casos, o sistema entregou desempenho preciso e de baixa latência.

Originalmente, este projeto foi inspirado pela ideia de ajudar mergulhadores militares a controlar robôs subaquáticos. Mas a equipe logo percebeu que interferência de movimento não era apenas um problema único de ambientes subaquáticos. É um desafio comum em todo o campo de tecnologia vestível, que há muito limita o desempenho de tais sistemas na vida cotidiana.

"Este trabalho estabelece um novo método para tolerância a ruído em sensores vestíveis," disse Chen. "Pavimenta o caminho para sistemas vestíveis de próxima geração que não são apenas elásticos e sem fio, mas também capazes de aprender de ambientes complexos e usuários individuais."

Fonte