Avances recientes en sistemas portátiles inteligentes: desde características biomecánicas multiescala hacia la predicción de la intención del movimiento humano

Leer el cuerpo antes de que se mueva

Imagínese que un reloj inteligente, una plantilla de zapato o un exoesqueleto ligero pudieran percibir lo que está a punto de hacer y ayudarle discretamente: estabilizar un paso antes de que tropiece, reforzar un músculo fatigado o permitir que una mano protésica se mueva casi tan naturalmente como una real. Este artículo de revisión explica cómo los científicos están construyendo sistemas portátiles “con conciencia de la intención” que leen las señales mecánicas y eléctricas del propio cuerpo para predecir nuestros próximos movimientos, abriendo nuevas posibilidades para la rehabilitación, la seguridad laboral, el rendimiento deportivo, la realidad virtual y la conducción.

Cómo el cuerpo insinúa el siguiente movimiento

Nuestros cuerpos revelan pistas sobre acciones próximas a través de varias capas físicas. A nivel de todo el cuerpo, desplazamientos sutiles de aceleración—habitualmente medidos cerca de la cintura—indican cuán estable es nuestro centro de gravedad y cuándo estamos a punto de acelerar, frenar o cambiar de dirección. Cambios bruscos en estos patrones pueden preceder a un deslizamiento o a un giro empeñado por una fracción de segundo, proporcionando a los algoritmos una ventana para predecir una caída o una maniobra rápida. Al acercarnos a las articulaciones individuales, variaciones en ángulos y velocidades angulares en la cadera, rodilla, tobillo, hombro, codo y dedos forman “firmas” de movimiento ricas para caminar, levantar o agarrar. En el nivel más profundo, pequeños pulsos eléctricos en los músculos, captados por electrodos superficiales en la piel, aparecen decenas o cientos de milisegundos antes del movimiento visible, ofreciendo una advertencia temprana de la intención que es especialmente valiosa para el control de miembros protésicos y exoesqueletos.

Sensores inteligentes tejidos en la vida diaria

Para capturar estas señales, los ingenieros distribuyen una red de pequeños sensores por el cuerpo. Unidades inerciales registran la aceleración y rotación de segmentos corporales; sensores flexibles de deformación y presión miden la flexión articular y las fuerzas del pie; sensores bioeléctricos monitorizan la actividad muscular, las señales cerebrales y los ritmos cardíacos; e incluso sensores ópticos, acústicos y químicos vigilan el flujo sanguíneo, los cambios tisulares y la química del sudor. Estos componentes se integran en objetos familiares—relojes, brazaletes, calzado y guantes inteligentes—así como en textiles electrónicos y parches tipo piel que se adaptan a articulaciones y músculos. Al superponer sensores a nivel corporal, articular y muscular, los diseñadores pueden seguir el movimiento desde la primera chispa neural en las fibras musculares, pasando por el par en una articulación, hasta los cambios en el equilibrio de todo el cuerpo.

Enseñar a las máquinas a leer el movimiento humano

Recopilar datos es solo la mitad de la tarea; la otra mitad es interpretarlos con la suficiente rapidez para que sean útiles. Los sistemas anteriores se basaban en reglas diseñadas a mano y métodos clásicos de aprendizaje automático que analizaban características cuidadosamente seleccionadas, como la actividad muscular media o el ángulo articular máximo, y luego asignaban cada patrón a una acción conocida. Estos métodos son eficientes y funcionan bien en dispositivos pequeños con batería, pero se quedan cortos cuando los movimientos se vuelven más variados o ruidosos. Más recientemente, enfoques de aprendizaje profundo—redes neuronales convolucionales, recurrentes y de estilo transformer—se han entrenado para detectar patrones complejos a lo largo del tiempo y entre múltiples sensores a la vez. Pueden fusionar aceleración, presión y señales musculares para reconocer fases de la marcha, predecir ángulos articulares con antelación o estimar el par que una persona generará pronto, a menudo con errores de predicción medidos en solo unas decenas de milisegundos.

De clínicas y fábricas a estadios y simuladores

Estos dispositivos portátiles predictivos de la intención están pasando de prototipos de laboratorio a numerosos entornos reales. En rehabilitación, exoesqueletos tipo prenda y rodilleras pasivas usan ángulos articulares, fuerzas y actividad muscular para dar la asistencia justa necesaria durante la marcha o los ejercicios terapéuticos, adaptándose al progreso de cada paciente. Para trabajadores y robots industriales, la aceleración corporal y los sensores musculares pueden señalar fatiga, prever movimientos inseguros y permitir que los robots anticipen y coordinen acciones con sus compañeros humanos. Los atletas se benefician de e-skins y trajes de movimiento ligeros que monitorizan la carga articular y el uso muscular para afinar la técnica y reducir el riesgo de lesión. En realidad virtual, anillos y guantes inteligentes utilizan el movimiento de los dedos y las señales musculares para ofrecer agarres y tacto más naturales, mientras que en los coches, sensores en la cabeza y los miembros ayudan a anticipar frenadas, cambios de carril o somnolencia para apoyar los sistemas de asistencia al conductor.

Obstáculos en el camino hacia el uso cotidiano

A pesar de la precisión impresionante en pruebas controladas, integrar estos sistemas en la vida diaria presenta desafíos. Los entornos reales son desordenados: el sudor, el deslizamiento de electrodos, los cambios en la ropa y el ruido eléctrico pueden distorsionar las señales, mientras que las personas varían mucho en forma corporal, fuerza y estilo de movimiento. Eso significa que los modelos entrenados con un grupo suelen funcionar mal en otro o en tareas nuevas. Los materiales de sensores flexibles deben además resistir doblarse y estirarse continuamente sin perder sensibilidad, y las fuentes de energía compactas deben mantener funcionando sistemas con múltiples sensores durante largos periodos. A esto se suma que los ricos flujos de datos fisiológicos y de movimiento plantean serias cuestiones de privacidad, ya que pueden revelar estado de salud, hábitos e incluso estados emocionales si se usan indebidamente o se filtran.

Qué significa esto para el futuro

Los autores concluyen que predecir la intención del movimiento humano ya no es ciencia ficción, pero convertirlo en una tecnología cotidiana, segura y de confianza requerirá avances simultáneos en varias direcciones. Métodos de aprendizaje más inteligentes deberán adaptarse a cada usuario y seguir siendo robustos cuando las señales se degraden; los materiales de los sensores necesitan ser duraderos, cómodos y energéticamente eficientes; y se requieren salvaguardas sólidas para proteger los datos personales de movimiento y salud. Si estas piezas se ensamblan, los futuros dispositivos portátiles podrían formar un bucle “percepción–decisión–acción” alrededor del cuerpo, comprendiendo discretamente lo que pretendemos hacer a continuación y ofreciendo ayuda—ya sea estabilizando un paso, amplificando la potencia muscular, guiando la recuperación o profundizando nuestra conexión con máquinas y mundos virtuales.

Cita: Chen, S., Peng, C., Yang, B. et al. Recent advances in intelligent wearable systems: from multiscale biomechanical features towards human motion intent prediction. npj Artif. Intell. 2, 33 (2026). https://doi.org/10.1038/s44387-026-00083-5

Palabras clave: sensores portátiles, predicción del movimiento humano, biomecánica, exoesqueletos, prótesis