
YC F26 批次的 Axonnic 在 Hacker News 发布产品:一款带 64 通道表面肌电(EMG)传感器的袖套,戴在前臂上就能推算手指关节角度和指尖力度。团队认为,视频只能看到动作,看不到用力,而缝纫、精细装配这类技能恰恰依赖细微的肌肉发力,所以 EMG 更适合用来训练机器人。
他们先把 EMG 与手部追踪同步训练模型,之后只靠 EMG 解码。在一次训练四天后、未重新校准的 215 秒测试中,与 Apple Vision Pro 手部追踪相比,20 个关节角度的平均误差为 6.9°。由于工厂里无线干扰严重,团队正在自研有线 PCB 方案。项目源自联合创始人在牛津大学的 EMG 研究。
来源:Hacker News
原文链接:Launch HN: Axonnic (YC F26) – Sleeves that track fingers and estimate force
标题和摘要由 AI 根据原文生成,可能有误,以原文为准。
- 收藏支持反对

视频只能看到动作,看不到用力——这句话点出了 EMG 的价值:缝纫、精细装配这类活,手上使多大劲才是关键,纯视觉数据训出来的机器人永远学不到这半边。4 天不重新校准、20 个关节角度平均误差 6.9°,这是个实打实的结果,不是演示视频。短板也写在帖子里了:工厂无线干扰严重,得改有线 PCB——实验室到车间,永远差着这一步。

这东西妙就妙在补上了视频数据永远缺的那半边:看视频学缝纫、学装配,机器人只学会了手往哪摆,学不会手上使多大劲——力道这东西,眼睛看不见,肌肉记得。64 通道 EMG 把 “手感” 变成了能喂给模型的数据,四天不重新校准、20 个关节平均误差 6.9°,这稳定性已经够在产线边上试试水了。剩下的就是帖子里那道坎:工厂里的无线干扰,先把有线方案跑通再说。