未来的人机交互，不再是手机、键盘或语音助手的堆砌，而是一种几乎“隐形”的体验—极其自然、可靠、且保护隐私。真正理想的系统，应该让我们在现实世界中保持“在场感”，就像和朋友说句话、抬手做个动作那么自然。这需要两项关键技术突破：一是具备上下文感知能力的 AI，能理解你的意图和环境；二是一种几乎无感的输入方式，让你与系统交流无需多余动作，我们称之为“超低摩擦输入”。（链接在文章底部）
虽然这样的终极形态仍需数年发展，但我们已经能看到下一个阶段的轮廓—基于手腕的输入技术，结合早期可用的上下文感知 AI，为我们带来贴近未来的交互体验。为什么是手腕？原因很简单。相比语音，它更私密、不受环境噪音干扰；相比手机，它无需额外设备或手持操作；而相比摄像头手势，它无需在空中做夸张动作。手腕不仅是佩戴手表的自然位置，而且距离我们控制世界的核心工具—手—非常近。这种位置优势，意味着可以捕捉极其微小的动作，实现高效、直觉、全天候的控制。
实现手腕输入的关键技术，是EMG（肌电图） 。它通过传感器读取你大脑发出的电信号，这些信号本来是用来控制手部动作的—比如点击、滑动、打字。EMG 将这些信号转换成数字命令，让设备明白你想要做什么。最神奇的是，你甚至不需要真的动手，仅凭“意图”就能被识别。
正如 Facebook Reality Labs 的神经接口负责人 Thomas Reardon 所说：“我们不读心，而是读取你已经决定执行的动作信号。”就像你拍了很多照片，但只分享其中几张，你的手也收到了很多指令，而 EMG 正是抓住了那些你真正想执行的那部分。
最初，EMG 识别的是类似“按钮点击”的基本动作，比如拇指和食指轻捏。这些微动作在任何姿势下都能完成—站着、走着，甚至手在口袋里。你无需唤醒词、无需屏幕，系统就能捕捉到这些指令，这种“无声”的输入方式将成为AR 中首个真正普适的控制方式。
实验显示，在不同任务场景中，该系统表现优秀：在导航任务中，用户平均每秒可选择 0.66 个目标；在离散手势任务中，每秒可识别 0.88 个手势；在手写输入中，达到了每分钟 20.9 个单词的速度。更重要的是，进一步对个体模型进行个性化微调后，打字速度还可以提升16% 。
这是目前首个能在人群中泛化、无需单独训练即可达到高精度的神经接口系统，为未来真正“隐形”的人机交互奠定了坚实基础。这或许就是未来人机交互的模样—无声、高效、自然、隐私保护。
https://github.com/facebookresearch/generic-neuromotor-interface
https://www.nature.com/articles/s41586-025-09255-w
欢迎交流～，带你学习AI，了解AI
