撰文丨王聪 编辑丨王多鱼 排版丨水成文 在日常生活中，智能手环、智能手表等 可穿戴设备 已经成为了我们健康监测、运动追踪的得力助手。然而，当这些设 备遇到跑步、振动或者姿势变化等运动干扰时，其识别的准确率往往会大打折扣。 2025 年 11 月 17 日，加州大学圣地亚哥分校 徐升 团队、 Joseph Wang 团队合作，在 Nature 新子刊 Nature Sensors 上发表了题为： A noise-tolerant human–machine interface based on deep learning-enhanced wearable sensors 的研究论文，这也是这本新期刊上线的首篇论文。 该研究开发出了一款 基于深度学习的抗运动干扰人机交互界面 ，即使在剧烈运动环境下也能实现精准的手势识别和机 械臂控制。 运动干扰：手势识别的"天敌" 传统的可穿戴惯性测量单元 （IMU） 在虚拟现实、非语言交流、运动康复和机器人控制等领域展现出巨大潜力。 然 而，在真实世界应用中，手势信号常常受到运动 伪影 的干扰。 这些干扰可能来自行走、跑步或乘坐交通工具时的环境活动，也可能源于因重力矢量导致的 ...