Neues Wearable steuert Maschinen und Roboter mit einfachen Gesten – sogar in Bewegung

Motion Design INSIDER

Das tragbare System, auf ein Stoffarmband geklebt. (Bild: Die Forscher)

Ingenieure der University of California San Diego haben ein Wearable der nächsten Generation entwickelt, das es Menschen ermöglicht, Maschinen mit alltäglichen Gesten zu steuern – sogar beim Laufen, Autofahren oder auf turbulenten Meereswellen.

Das System, beschrieben in der Ausgabe vom 17. November 2025 von Nature Sensors, kombiniert dehnbare Elektronik mit künstlicher Intelligenz, um eine langjährige Herausforderung in der Wearable-Technologie zu überwinden: Zuverlässige Erkennung von Gestensignalen in realen Umgebungen.

Wearables mit Gestensensoren funktionieren gut, wenn der Nutzer still sitzt, aber die Signale fallen unter übermäßigem Bewegungsrauschen auseinander, erklärte Studien-Co-Erstautor Xiangjun Chen, Postdoktorand im Aiiso Yufeng Li Family Department of Chemical and Nano Engineering an der UC San Diego Jacobs School of Engineering. Dies schränkt ihre Praktikabilität im Alltag ein. „Unser System überwindet diese Beschränkung“, sagte Chen. „Durch Integration von KI zur Echtzeit-Bereinigung rauschender Sensordaten ermöglicht die Technologie zuverlässige Maschinensteuerung durch alltägliche Gesten sogar in hochdynamischen Umgebungen.“

Die Technologie könnte Patienten in der Rehabilitation oder Personen mit eingeschränkter Mobilität ermöglichen, natürliche Gesten zur Steuerung robotischer Hilfsmittel zu nutzen, ohne auf Feinmotorik angewiesen zu sein. Industriearbeiter und Ersthelfer könnten die Technologie potenziell für freihändige Steuerung von Werkzeugen und Robotern in hochdynamischen oder gefährlichen Umgebungen nutzen. Sie könnte sogar Tauchern und Fernbedienern ermöglichen, Unterwasserroboter trotz turbulenter Bedingungen zu steuern. In Consumer-Geräten könnte das System gestenbasierte Steuerungen im Alltag zuverlässiger machen.

Die Arbeit war eine Kollaboration zwischen den Labs von Sheng Xu und Joseph Wang, beide Professoren im Aiiso Yufeng Li Family Department of Chemical and Nano Engineering an der UC San Diego Jacobs School of Engineering.

Nach Kenntnis der Forscher ist dies die erste tragbare Mensch-Maschine-Schnittstelle, die zuverlässig über eine breite Palette von Bewegungsstörungen funktioniert. Dadurch kann sie mit der Art funktionieren, wie Menschen sich tatsächlich bewegen.

Das Gerät ist ein weicher elektronischer Patch, der auf ein Stoffarmband geklebt wird. Es integriert Bewegungs- und Muskelsensoren, einen Bluetooth-Mikrocontroller und einen dehnbaren Akku in ein kompaktes, mehrschichtiges System. Das System wurde mit einem zusammengesetzten Datensatz aus echten Gesten und Bedingungen trainiert – von Laufen und Schütteln bis zur Bewegung von Meereswellen. Signale vom Arm werden erfasst und von einem maßgeschneiderten Deep-Learning-Framework verarbeitet, das Störungen herausfiltert, die Geste interpretiert und einen Befehl zur Steuerung einer Maschine wie eines Roboterarms in Echtzeit überträgt.

Das System wurde in mehreren dynamischen Bedingungen getestet. Probanden nutzten das Gerät zur Steuerung eines Roboterarms beim Laufen, unter hochfrequenten Vibrationen und unter kombinierten Störungen. Das Gerät wurde auch unter simulierten Ozeanbedingungen mit dem Scripps Ocean-Atmosphere Research Simulator am Scripps Institution of Oceanography der UC San Diego validiert, der sowohl laborerzeugte als auch echte Seebewegungen nachbildete. In allen Fällen lieferte das System präzise, latenzarme Leistung.

Ursprünglich war dieses Projekt von der Idee inspiriert, Militärtauchern bei der Steuerung Unterwasserroboter zu helfen. Doch das Team erkannte bald, dass Störungen durch Bewegung nicht nur ein Problem einzigartiger Unterwasserumgebungen sind. Es ist eine gemeinsame Herausforderung im Bereich der Wearable-Technologie, die die Leistung solcher Systeme im Alltag lange begrenzt hat.

„Diese Arbeit etabliert eine neue Methode für Rauschtoleranz in Wearable-Sensoren“, sagte Chen. „Sie ebnet den Weg für Wearable-Systeme der nächsten Generation, die nicht nur dehnbar und drahtlos sind, sondern auch in der Lage, aus komplexen Umgebungen und individuellen Nutzern zu lernen.“

Quelle