如何“读懂”肌肉：一种新型人机接口正在出现

在脑机接口、智能假肢和外骨骼快速发展的今天，人类已经拥有越来越多读取身体信息的方法。

脑电可以捕捉神经活动，肌电可以记录肌肉激活，摄像头和惯性传感器可以追踪肢体运动，力传感器则可以测量人与环境之间的作用力。

但一个非常基础的问题却长期没有得到很好解决：一块肌肉此刻究竟产生了多大的力？

这是人体运动最核心的变量之一。

人走路、奔跑、抓取物体，本质上都是神经系统驱动肌肉产生力，再通过肌腱、骨骼和关节把力转换成运动。对于康复医生而言，肌肉力量意味着患者恢复到了什么程度；对于运动科学而言，它关系到负荷、疲劳和损伤风险；对于外骨骼和机器人而言，它则决定机器到底应该在什么时候、提供多大的辅助。

问题在于，真正直接测量人体内部肌肉—肌腱力，通常需要植入式传感器，因此难以成为常规工具。现实中更多采用表面肌电、组织刚度、肌腱波传播或者肌肉骨骼模型进行间接估算。

2026年7月，《Science Robotics》发表的一项研究，为这一问题引入了一种此前少见的技术路线：利用超宽带雷达（Ultra-Wideband Radar，UWB Radar）感知肌肉收缩过程中组织电磁特性的变化，并进一步估算人体内部的肌肉骨骼力。

如果这一技术未来能够进一步完成小型化、泛化和动态场景验证，它所提供的可能不仅是一种新的肌肉测量工具，而是一种新的身体状态接口。

01

从“肌肉有没有被激活”，走向“肌肉实际上产生了多少力”

理解这项工作的价值，需要先理解肌电的边界。

表面肌电sEMG测量的，本质上是运动神经驱动肌肉后产生的电活动。多数情况下，肌肉激活越强，输出力量也越大，因此肌电长期被应用于假肢、外骨骼以及运动意图识别。

但“激活”并不等于“力量”。

同样大小的神经激活，在不同肌肉长度、收缩速度和疲劳程度下，可以产生完全不同的力。尤其肌肉进入疲劳状态后，为了维持相同力量，神经系统往往需要招募更多运动单位，因此肌电活动会继续升高，而实际输出力未必增加。

这意味着，一个只读取肌电的机器人，更多知道的是**“人体正在多努力”，而不一定知道“人体实际上完成了多少力学输出”**。

超宽带雷达试图进入的是后一层。

研究人员使用贴近人体的UWB天线，扫描100 MHz至2.9 GHz范围内51个频率。单天线可以获得反射参数S11；双天线进一步获得前向传输参数S21，并同时记录不同频率下信号的幅值和相位。

它并不是像摄像机一样给肌肉“拍照片”。

当肌肉从放松进入收缩状态，内部组织的介电常数、导电率以及纤维结构等都会发生变化，电磁波经过组织时的传播、反射和透射特征也随之改变。UWB的优势在于，它不是观察单一频率，而是在一个宽频谱内得到一组电磁响应。

于是，一次肌肉收缩可以被转化成一幅高维度的“电磁指纹”。

真正重要的问题随之变成：这张指纹里，究竟有没有相对独立的“力”信息？

这项研究最重要的并不是0.988，而是研究人员如何证明它不是“另一种肌电”

如果只让受试者逐渐增加腿部力量，随后发现雷达信号也同步变化，这其实不足以证明雷达能够估算肌肉力。

因为肌肉发力过程中，激活程度、肌束长度、肌束速度以及组织形态往往同时发生变化。雷达完全可能只是“碰巧”读取了其中一个与力高度相关的变量。

因此，这项研究最有价值的部分，是通过四组实验逐步把这些变量拆开。

首先，研究人员分别观察不同肌肉结构。

16名参与者进行股外侧肌等长膝伸展实验，力量分别达到最大自主收缩力量MVC的10%、20%、30%、40%和50%；另一组6名参与者进行胫骨前肌测试。两种肌肉分别具有不同的羽状结构，但UWB信号的幅值和相位都表现出与力量相关的显著变化。

但这只是第一步。

真正关键的实验是制造疲劳。

18名参与者持续进行了20分钟间歇性等长膝伸展。实验结束时，同样单位力量对应的肌肉激活平均增加约26±15%。换句话说，研究人员主动把“激活”和“力量”之间原本紧密的关系拆开。

随后，以UWB雷达的S11、S21不同频率的幅值和相位为输入，通过个体化LSTM模型估计力量，测试集平均R²达到0.988±0.005，NRMSE为2.7±0.6%。

这说明至少在实验条件和个体内模型下，雷达信号并非只是肌电的另一种投影。

研究者随后进一步提高难度。

6名受试者完成被动运动、等速收缩和等张收缩，并设置30、60、90、120°/s等不同速度以及15%至60% MVC等不同负荷。这样，肌肉激活、肌束长度、肌束速度与关节力矩被尽可能解耦。结果显示，通过UWB数据建立的个体化线性模型，对动态膝关节力矩的测试集预测R²仍达到0.984±0.005，NRMSE为3.3±0.6%。

甚至无需复杂深度网络，线性模型已经取得较高精度。

从技术角度看，这一点可能比单纯刷新一个R²数字更值得关注。

02

UWB真正打开的，可能是一扇“人体内部状态窗口”

进一步的频谱分析发现，肌肉激活、肌束长度、肌束速度以及力矩，对100 MHz至2.9 GHz不同频率的UWB信号产生了不同影响。

换句话说，这不是一个简单的“雷达值越高，力量越大”的单变量关系，而更像一套由多个频率组成的编码空间。

这使UWB和传统肌电出现了一个重要区别。

肌电主要位于“神经指令—肌肉激活”这一链条上；运动捕捉看到的是最终的肢体运动；足底压力或者力传感器看到的则是人体与环境之间的作用结果。

UWB试图进入的是中间层：

神经系统已经发出了指令，肌肉正在发生真实的生理和力学变化，但运动结果还没有完全传递到外部环境。

如果未来能够从同一组雷达数据中进一步分离激活程度、肌束状态、速度、疲劳乃至力量，一个贴附于人体表面的传感器，理论上就可能获得比单一肌电更加完整的肌肉状态描述。

这也是它对外骨骼、假肢和康复机器人具有吸引力的地方。

传统辅助机器人经常需要回答一个问题：用户现在需要多少帮助？

只看关节运动，机器往往等到动作发生之后才能响应；只看肌电，则可能在疲劳等状态下错误估计实际输出。

如果系统能够同时知道“人想发力多少”和“人实际已经发出了多少力”，控制逻辑就有机会从简单的动作触发，进一步走向基于人体实时能力的按需助力。

研究团队因此提出，UWB未来可能成为外骨骼和假肢的实时控制信号，也可能用于运动损伤监测以及功能性电刺激康复系统。

从这个角度看，它与脑机接口、肌电接口、触觉接口之间并不是替代关系。

更可能出现的是融合：脑信号提供高层运动意图，肌电描述神经驱动，UWB观察肌肉内部执行状态，力和运动传感器反馈最终结果。人机接口由此从单一信号源逐渐演化为一个覆盖意图—激活—执行—运动—反馈的闭环。

03

但现在还远不是一块可以装进外骨骼的“肌肉雷达芯片”

需要强调的是，把这项工作描述为“雷达已经可以直接测量人体肌肉力”，仍然过于激进。

论文实际上展示的是：利用肌肉电磁特征，通过模型高精度估算肌肉骨骼力或关节力矩。

尤其在动态实验中，研究团队明确指出，由于关节角度改变会导致力臂发生变化，他们无法简单把膝关节力矩等同于股外侧肌的单肌肉力，因此最终预测对象采用的是膝关节力矩。

更现实的问题来自工程系统。

首先，目前所有预测模型都是针对单个参与者分别训练和测试的。不同人体之间的雷达数据存在明显差异，未来究竟能否训练出跨个体通用模型，还是每位使用者都必须完成一次校准，目前尚未解决。

其次，现有系统距离可穿戴设备还有距离。实验采用矢量网络分析仪，天线约30×70毫米，并通过同轴线缆连接；线缆本身对运动敏感。51个扫描频率使系统采样率约为10 Hz，对实验中的收缩任务足够，但面对步行以及高速外骨骼控制，可能仍需要更高时间分辨率。

更基础的问题则是机制。

目前可以确定肌肉收缩导致导电率、介电特性等发生变化，也可以观察到不同生理和力学变量具有不同的频率响应，但究竟哪些组织变化对应哪些频谱特征，仍需要离体实验和电磁仿真进一步厘清。

这决定了下一阶段的研究重点已经不只是“再把R²提高一点”，而是缩小天线、提高采样率、减少必要频点、解决运动伪影、建立跨人群模型，以及证明它能够在走路、跑步和真实外骨骼场景下持续工作。

因此，这项工作的意义或许可以换一种方式理解。

过去，人机系统读取人体，主要围绕两个端点展开：一端是大脑和神经系统产生的意图，另一端是摄像头、关节和力传感器观察到的运动结果。

而肌肉恰好位于两者之间。

UWB雷达正在尝试把这个过去难以连续观测的中间层数字化。

如果这条路线最终成立，人机接口领域获得的可能不只是又一种传感器，而是一种新的信息维度——机器不仅知道人准备做什么、做出了什么动作，还能够知道：

在动作真正发生之前，人的身体正在以多大的力量执行它。

脑机接口社区是国内首家脑机接口(BCI)产业服务平台、国内脑机接口新媒体开创者与引领者。主要为企业、科研团队、投资机构和从业者提供以下服务：

宣传报道：图文、短视频、直播形式报道企业动态、技术解读、产品介绍等内容，提升曝光和行业影响力。

资源对接：根据需求匹配资本、供应链、临床机构、渠道方等资源，完成真实对接，促进合作。

成果转化：协助技术团队寻找产业方、投资人及落地场景，推动技术到产品的转化。

活动策划执行：承接线上线下路演、沙龙、论坛等活动的策划与执行。

其他定制需求：包括报告定制、市场调研、人才招聘支持等个性化服务。

合作洽谈，请联系微信：ZuoLeiLeiya

（备注：姓名-单位-合作）

投稿丨成为创作者，请联系微信：RoseBCI

不错过每一条脑机前沿进展

一键三连「分享」、「点赞」和「在看」

欢迎在评论区聊聊