Axonnic

Axonnic 的 EMG 袖套通过采集前臂肌肉电信号来追踪手指动作和指尖压力，不依赖摄像头或数据手套，因此手部完全不受遮挡。它能在实时状态下解码单根手指的运动，平均关节角度误差为 4.58°，每秒可进行 50 次预测。官网还展示了仅凭前臂信号进行手指追踪、以及用同一解码方式驱动机械手的演示，说明该方案可直接支撑机械手实时模仿人类手部动作。

校准成本较低。根据官网数据，模型仅使用 78 分钟训练数据；重新穿上袖套后，只需约两分钟的运动即可在不到一分钟内完成校准。在与 Apple Vision Pro 手部追踪的对比测试中，解码器是在四天前、另一次穿戴袖套时训练的，期间从未重新校准，仍能达到平均关节角度误差 6.9°、与头显相关性 0.87 的表现，说明方案在持续使用上有一定稳定性。

不需要。Axonnic 的流程是：熟练工人穿戴 EMG 袖套、在镜头前完成任务，采集原始 EMG、视频和手部姿态数据；随后将三者对齐成任务专用数据集，其中包含摄像头无法捕捉的肌肉激活和推断用力信息；再通过其自研的物理 AI 模型，把演示动作重定向到机器人的动作空间，训练出针对该任务的策略；最终机器人依靠自身传感器运行，EMG 只用于指导训练，之后即退出。官网也提到该方案已用于制造业试点，例如一家欧洲制造商就力敏感的精细缝纫工序签署了意向书。