脑机启侦 | 光肌图神经接口：截肢者也能玩俄罗斯方块（03.25）

01“意念控制”不一定非得用脑

在前瞻布局脑机接口和神经技术的商业巨头中，Meta走非侵入式路线，核心聚焦神经运动接口与非侵入式脑电/脑磁语言解码两大方向，服务于元宇宙、AR/VR、消费电子与无障碍交互，与Neuralink的侵入式路线形成鲜明分野。近日，Meta旗下Reality Labs资助6支高校团队进一步升级其sMEG神经腕带技术，包括用于声控表达的sEMG自适应界面、优化基于多sEMG的通信带宽、优化中枢神经系统完好和受损人群的肌电接口学习等主题，助力其Meta Neural Band（神经腕带）等产品落地。

虽然目前基于各类脑信号的脑机接口是媒体聚焦的热点，但在人机交互、可穿戴设备以及智能康复产品快速发展的今天，基于周围神经信号的神经接口的规模化应用潜力仍不可小觑。而且由于其不直接采集脑信号，公众接受度可能更高。不过，虽然以表面肌电图（sEMG）为核心的肌肉交互技术已占据主导地位数十年，却始终难以突破信号串扰、电磁干扰、传感器稳定性差等技术瓶颈，导致大量上肢假肢用户因操控困难而放弃使用。Meta的近期举措也正说明了这一问题。

结合了AR和神经腕带技术的Meta Ray-Ban眼镜

02为何弃“电”用“光”

近日，来自俄罗斯斯科尔科沃科技学院、莫斯科国立大学等机构的团队成功研发出基于光肌图（Optomyography，OMG）的可穿戴腕带系统，实现肌肉活动的连续实时解码，让健康人与截肢者都能快速掌握类鼠标光标控制、甚至流畅游玩俄罗斯方块，为下一代神经假肢与可穿戴人机界面开辟全新路径。

作为人体与机器之间的“翻译官”，传统肌电交互依赖电极采集肌肉电信号，在实际应用中暴露出诸多短板：电极贴合要求高、信号易受电器与运动噪声干扰、不同肌肉信号相互串扰、深层肌肉活动难以捕捉，即便搭配先进算法，仍需要使用者付出大量精神力才能完成精准控制。尤其对于全球超过2500万上肢截肢患者而言，商用肌电假肢笨重、操控复杂、缺乏感官反馈，高弃用率一直是行业难题。为此，研究团队将目光转向光学检测技术，提出用光信号替代电信号，打造更稳定、更自然、更易用的肌肉交互方案。

光肌图（OMG）是一种非侵入式肌肉活动检测技术，核心原理是利用生物组织对700-1000nm近红外光的相对透光性，通过发光二极管向肌肉组织发射红外光，再由光电探测器测量散射光强度，以此反映肌肉收缩时的血液灌注与氧合变化。

瑞典皇家理工学院团队2015年首次提出光肌图

相比传统肌电技术，OMG具备天然优势：信噪比更高、不受电磁干扰影响、硬件结构紧凑，无需复杂电极固定，能更稳定地捕捉肌肉活动信息。在此之前，全球已有多项OMG手势识别研究，但均停留在离散指令解码阶段，无法实现连续、顺滑的实时控制，难以满足光标移动、精细操作等实用需求。

0350通道柔性光肌图腕带设计

本次研究团队攻克这一关键难题，打造出一款50通道柔性OMG腕带，设备由4个940nm红外LED与10个光电晶体管组成，以特定阵列排布形成高灵敏度检测单元，佩戴于前臂腹侧即可采集肌肉光学信号。

注：OMG腕带（a）被放置在前臂的腹侧（b）。光电晶体管排列成四个17.6×17.6毫米的正方形。每个正方形的中心都放置了一个红外LED。光电晶体管和红外LED都有一个透明硅胶保护罩，该保护罩起到了透镜的作用。每位参与者都完成了一项校准程序，在手部运动期间进行OMG记录（c）。在校准过程中，参与者执行了带有12个目标的中心外任务（d）。校准数据被用于训练一个小型多层感知器。

为实现高效实时解码，研究团队设计了轻量化全连接神经网络，仅包含单隐藏层与50个神经元，无需复杂预处理就能直接处理50通道OMG数据，推理速度低于33毫秒，与设备采样率完美匹配，保证操控无延迟、无卡顿。整套系统校准流程仅需5-15分钟，普通人无需专业训练就能快速上手。

04 首次训练即可基本掌握，5次逐渐熟练

为全面验证系统实用性，研究团队招募9名受试者开展对照实验，其中包含8名22-26岁的健康志愿者，以及1名38岁双手手指截肢的受试者。实验设计分为校准、训练、实时操控三个阶段，核心任务为模拟电脑鼠标的中心外指向任务：屏幕随机出现目标点位，受试者通过12种方向手势移动光标，握拳手势模拟鼠标点击完成目标选中。同时，研究团队设置轨迹偏差、耗时偏差、目标捕获时间、误点击次数等6项核心指标，结合菲茨定律（Fitts’s Law）量化操控性能。

所有受试者均在首次训练中掌握基本操控能力，前5次训练周期内，轨迹精度、目标捕获效率、操作速度均出现显著提升，多项指标统计学差异明显。即便在实验后期因腕带轻微位移出现性能小幅波动，受试者仍能保持稳定操控。模型解码均方误差（MSE）低至0.068-0.098，与随机预测结果差异显著，证明方向与点击手势识别高度精准。尤其值得关注的是，截肢受试者同样快速掌握操控逻辑，在光标指向任务中表现优异，展现出该技术在假肢控制领域的真实潜力。

为进一步贴近生活场景，研究团队还将OMG系统接入俄罗斯方块游戏，让健康受试者与截肢受试者分别进行测试。结果显示，两人均能流畅完成方块左右移动、加速下落、旋转等操作，持续游玩7-10分钟并分别取得1705分和1683分的成绩。

截肢受试者反馈，该系统操控轻松有趣，低速状态下指令精准可靠，仅在游戏高速阶段出现少量误操作；健康受试者则表示，在连续方向切换与旋转操作中，系统响应顺滑，完全能满足娱乐交互需求。这也是全球首次实现基于OMG技术的连续实时游戏操控，证明该技术不仅适用于康复医疗，还能拓展至消费电子、虚拟现实等多元场景。

05 OMG的应用潜力

通过菲茨定律、信息吞吐量、路径效率等指标对比，研究团队发现，光肌图（OMG）系统整体性能与传统sEMG系统相当，多数受试者决定系数R²超过0.9，信息吞吐量高于0.5比特/秒，路径效率达75%以上，符合实用化人机交互标准。更重要的是，OMG规避了sEMG的核心缺陷，无需担心电磁干扰与信号串扰，佩戴更舒适、操控更自然，截肢者无需过度紧绷肌肉就能发出稳定指令，大幅降低使用门槛。

研究团队在论文中指出，本次OMG系统仍存在部分优化空间：腕带位移会导致信号漂移、中立位握拳手势识别难度较高、仅测试单例截肢患者，样本量有限。但这些问题均有明确解决方案，未来可通过加入惯性测量单元（IMU）融合感知、优化信号滤波算法、设计自适应校准机制、定制化传感器排布等方式逐一解决。同时，团队提出将OMG与sEMG技术融合，利用两种信号的互补性进一步提升解码精度与稳定性，打造更强大的混合式神经交互界面。

从临床价值来看，这项技术为截肢者、中风患者等运动功能障碍人群带来全新康复希望。轻量化OMG腕带可直接集成于智能假肢，实现精准、连续、低负担的肢体控制，配合游戏化康复训练，既能提升康复效果，又能降低幻肢痛发生率。从产业角度，该技术硬件成本低、结构紧凑、适配性强，可快速应用于可穿戴设备、智能家居、虚拟现实、电竞交互等领域，有望成为下一代人机交互与神经康复的核心技术之一。

论文信息：

标题：Wearable optomyography enables continuous neuroprosthetic control

发表日期：2026/3/21

期刊：Scientific Reports

DOI：https://doi.org/10.1038/s41598-025-32646-y

来源 | Scientific Reports、脑机接口星球

浙大科技园启真脑机智能产业化基地是在浙大控股集团领导下，由浙江大学科技园发展有限公司与杭州未来科技城管委会共建，围绕脑机智能产业主体，辐射脑机+生命健康、脑机+智能制造、脑机+新一代信息技术、脑机+新材料等领域的专业化特色产业基地，由杭州启真未来科技发展有限公司负责全面运营。

基地依托浙江大学在脑机智能方面的学科优势，以脑机智能作为核心科技支撑，贯彻浙江大学国家大学科技园“有组织科技成果转化、有靶向科技企业孵化、有体系未来产业培育”的服务体系，致力于打造脑机智能领域具备成果显示度、区域影响力的产业化高地。