Un pulgar en lugar del botón «Enviar»: los creadores del EITWatch quieren convertir tu mano en un mando a distancia

Los investigadores crearon un prototipo de reloj inteligente que reconoce los movimientos de los dedos a partir de señales eléctricas dentro de la muñeca. El dispositivo EITWatch rastrea la actividad de músculos y tendones sin cámaras ni sensores adicionales en los dedos. Durante las pruebas de laboratorio, el sistema identificó gestos con una precisión de hasta 92,5%, lo que abre la posibilidad de controlar la electrónica con movimientos de la mano casi imperceptibles.

Los desarrolladores colocaron en la parte posterior del reloj ocho pequeños electrodos que contactan la piel y hacen pasar una corriente alterna débil a través de los tejidos. Los músculos, la grasa y los huesos conducen la electricidad de forma diferente. Cuando una persona flexiona los dedos, aprieta el puño o muestra el pulgar hacia arriba, los músculos y los tendones se desplazan, cambiando el paso de la corriente por la muñeca. Los electrodos captan esas variaciones y un algoritmo determina qué gesto realizó el usuario.

El método se denomina tomografía de impedancia eléctrica. Con él es posible obtener información sobre los tejidos internos midiendo su resistencia eléctrica desde la superficie de la piel. Antes, para reconocer movimientos de la mano, los investigadores tenían que usar brazaletes especiales con electrodos que rodeaban la muñeca. Los autores de EITWatch lograron colocar los ocho electrodos en una circunferencia de 31 mm de diámetro, lo suficientemente compacta para la tapa trasera de un reloj convencional.

Para leer movimientos musculares a distintas profundidades, el sistema cambia por turnos los pares de electrodos entre los que circula la corriente. Cuanto más separados están los electrodos, más profunda es la penetración de la corriente en los tejidos. Según los cálculos de los desarrolladores, el nuevo esquema permite obtener información desde profundidades de aproximadamente 6 a 15 mm. El dispositivo realiza 35 mediciones por ciclo y las repite 48 veces por segundo. Un microcontrolador integrado procesa las señales directamente en el reloj.

En las pruebas participaron 12 voluntarios. Los investigadores enseñaron a EITWatch a distinguir seis posiciones de la mano y cinco movimientos pequeños de los dedos. Cuando los participantes ejecutaban los gestos durante una sesión, la precisión alcanzó 92,5% para las posturas principales de la mano y 91,5% para los movimientos finos. En el futuro, los desarrolladores esperan convertir los gestos en comandos: por ejemplo, un pulgar levantado podría enviar un mensaje y un dedo índice extendido podría activar una función concreta.

Sin embargo, volver a colocarse el reloj afectó notablemente los resultados. Dos días después, cuando los participantes volvieron a fijar el dispositivo en la muñeca, la precisión bajó a 73,2% y 70,4% respectivamente. Cuando se evaluó el algoritmo con una persona cuyas acciones no se usaron en el entrenamiento, los valores descendieron a 63,1% y 55,3%. Por ahora, el sistema funciona mejor tras una calibración individual, ya que la posición de los electrodos y las particularidades de la anatomía de la muñeca influyen en las señales eléctricas.

EITWatch sigue siendo un prototipo de laboratorio. A los desarrolladores les queda reducir los componentes electrónicos para alojarlos completamente dentro de la caja del reloj y disminuir el consumo de energía. Según estimaciones preliminares, una batería de 300 mAh bastaría aproximadamente para 8,6 horas de reconocimiento continuo de gestos. Para un uso diario será necesario aumentar la autonomía.

Paralelamente, el mismo equipo desarrolló el sistema TransfHAR, que enseña a los relojes a reconocer nuevas acciones a partir de los movimientos de la muñeca. No necesita electrodos especiales: bastan un acelerómetro y un giroscopio convencionales, que miden la aceleración y la rotación de la mano. Primero, los investigadores entrenaron el algoritmo con más de 2700 horas de grabaciones de actividad cotidiana, incluyendo caminar y ejercicios físicos. Tras ese entrenamiento, el usuario puede mostrarle al reloj un nuevo movimiento varias veces y asignarle un nombre.

Por ejemplo, TransfHAR puede aprender a distinguir el gesto de remover una bebida con una cuchara de otros movimientos de la mano o reconocer ejercicios que no había visto antes. En el experimento con diez voluntarios, el sistema identificó siete acciones nuevas con una precisión media balanceada del 86,7% tras cinco ejemplos de cada movimiento. Cuando los participantes grabaron un minuto de demostraciones, la cifra subió a 90,4%.

Los desarrolladores esperan que ambas tecnologías sean útiles más allá del control habitual de los relojes. El seguimiento de los movimientos musculares puede ayudar a las personas a controlar prótesis biónicas, y el reconocimiento de actividades cotidianas permitiría supervisar la realización de ejercicios de rehabilitación o vigilar la actividad de personas mayores sin cámaras en interiores. Por ahora, los investigadores han verificado las capacidades de los sistemas solo en pruebas limitadas. El siguiente paso será comprobar la precisión en la vida cotidiana, donde la posición del reloj en la muñeca cambia constantemente y los movimientos de las personas son mucho más diversos que los gestos de laboratorio.