Progressi recenti nei sistemi indossabili intelligenti: dalle caratteristiche biomeccaniche multiscala alla predizione dell’intento di movimento umano

Leggere i corpi prima che si muovano

Immaginate se uno smartwatch, una soletta intelligente o un esoscheletro leggero potessero percepire ciò che state per fare e aiutarvi silenziosamente — stabilizzando un passo prima di una caduta, potenziando un muscolo affaticato o permettendo a una mano protesica di muoversi quasi come una vera. Questo articolo di rassegna spiega come gli scienziati stanno costruendo sistemi indossabili “consapevoli dell’intento” che leggono i segnali meccanici ed elettrici del corpo per prevedere i nostri prossimi movimenti, aprendo nuove possibilità per la riabilitazione, la sicurezza sul lavoro, le prestazioni sportive, la realtà virtuale e la guida.

Come il corpo suggerisce la prossima mossa

I nostri corpi lasciano indizi sulle azioni future attraverso diversi strati fisici. A livello dell’intero corpo, sottili spostamenti di accelerazione — spesso misurati vicino alla vita — rivelano quanto è stabile il nostro centro di gravità e quando siamo sul punto di accelerare, rallentare o cambiare direzione. Variazioni improvvise di questi schemi possono precedere di frazioni di secondo uno scivolamento o una sterzata brusca, offrendo agli algoritmi una finestra temporale per prevedere una caduta o una manovra rapida. Avvicinandosi alle singole articolazioni, i cambiamenti di angoli e velocità angolari a anca, ginocchio, caviglia, spalla, gomito e dita formano ricche “firme” di movimento per camminare, sollevare o afferrare. Al livello più profondo, minuscole scariche elettriche nei muscoli, catturate da elettrodi di superficie sulla pelle, compaiono decine o centinaia di millisecondi prima del movimento visibile, fornendo un avvertimento precoce dell’intento particolarmente prezioso per controllare arti protesici ed esoscheletri.

Sensori intelligenti intrecciati nella vita quotidiana

Per catturare questi segnali, gli ingegneri distribuiscono una rete di piccoli sensori sul corpo. Unità inerziali tracciano accelerazione e rotazione dei segmenti corporei; sensori flessibili di strain e pressione misurano la flessione delle articolazioni e le forze plantari; sensori bioelettrici monitorano l’attività muscolare, i segnali cerebrali e i ritmi cardiaci; e perfino sensori ottici, acustici e chimici osservano il flusso sanguigno, i cambiamenti tissutali e la chimica del sudore. Questi componenti sono incastonati in oggetti familiari — orologi, fasce da braccio, scarpe e guanti intelligenti — oltre che in tessuti elettronici e cerotti simili alla pelle che si conformano a articolazioni e muscoli. Sovrapponendo sensori a livello corporeo, articolare e muscolare, i progettisti possono seguire il movimento dalla prima scintilla neurale nelle fibre muscolari, attraverso la coppia articolare, fino ai cambiamenti dell’equilibrio complessivo del corpo.

Insegnare alle macchine a leggere il movimento umano

Raccogliere dati è solo metà del compito; l’altra metà è interpretarli abbastanza rapidamente da essere utili. I sistemi precedenti si affidavano a regole costruite a mano e a metodi di machine learning classici che esaminavano caratteristiche selezionate con cura, come l’attività muscolare media o l’angolo articolare di picco, e assegnavano ogni schema a un’azione nota. Questi metodi sono efficienti e funzionano bene su dispositivi piccoli e a batteria, ma faticano quando i movimenti diventano più vari o rumorosi. Più recentemente, approcci di deep learning — reti neurali convoluzionali, ricorrenti e in stile transformer — sono stati addestrati a riconoscere pattern complessi nel tempo e attraverso più sensori contemporaneamente. Possono fondere accelerazione, pressione e segnali muscolari per riconoscere le fasi del passo, prevedere in anticipo gli angoli articolari o stimare la coppia che un essere umano genererà a breve, spesso con errori di predizione misurati in poche decine di millisecondi.

Dai cliniche e fabbriche a stadi e simulatori

Questi dispositivi indossabili predittivi dell’intento stanno uscendo dai prototipi di laboratorio per entrare in molti contesti reali. In riabilitazione, esoscheletri simili a indumenti e tutori passivi per ginocchio usano angoli articolari, forze e attività muscolare per fornire il giusto livello di assistenza alla camminata o agli esercizi terapeutici, adattandosi ai progressi di ogni paziente. Per lavoratori e robot industriali, l’accelerazione corporea e i sensori muscolari possono segnalare affaticamento, prevedere movimenti non sicuri e permettere ai robot di anticipare e coordinarsi con i partner umani. Gli atleti beneficiano di E-skin e tute di movimento leggere che tracciano il carico articolare e l’uso muscolare per perfezionare la tecnica e ridurre il rischio di infortunio. Nella realtà virtuale, anelli e guanti intelligenti sfruttano il movimento delle dita e gli indizi muscolari per offrire afferri e tocchi più naturali, mentre nelle automobili sensori su testa e arti aiutano a prevedere frenate, cambi di corsia o sonnolenza per supportare i sistemi di assistenza alla guida.

Ostacoli sulla strada verso l’uso quotidiano

Nonostante un’accuratezza impressionante in test controllati, portare questi sistemi nella vita quotidiana è complesso. Gli ambienti reali sono disordinati: sudore, elettrodi che scivolano, spostamenti degli indumenti e rumore elettrico possono distorcere i segnali, mentre le persone differiscono ampiamente per forma del corpo, forza e stile di movimento. Questo significa che i modelli addestrati su un gruppo spesso funzionano male su un altro o in compiti nuovi. I materiali sensoriali flessibili devono inoltre sopravvivere a piegature e stiramenti continui senza perdere sensibilità, e fonti di energia compatte devono mantenere in funzione sistemi multi-sensore per lunghi periodi. Inoltre, i ricchi flussi di dati fisiologici e di movimento sollevano serie questioni di privacy, poiché possono rivelare lo stato di salute, le abitudini e perfino gli stati emotivi se usati impropriamente o divulgati.

Cosa significa per il futuro

Gli autori concludono che la predizione dell’intento di movimento umano non è più fantascienza, ma trasformarla in una tecnologia quotidiana sicura e affidabile richiederà progressi su più fronti contemporaneamente. Metodi di apprendimento più intelligenti devono adattarsi a ciascun utente e rimanere robusti quando i segnali degradano; i materiali dei sensori devono essere durevoli, confortevoli ed energeticamente efficienti; e sono necessarie solide misure di tutela per proteggere i dati personali su movimento e salute. Se questi elementi convergono, i dispositivi indossabili futuri potrebbero costituire un loop integrato di "percezione–decisione–azione" attorno al corpo, comprendendo silenziosamente ciò che intendiamo fare dopo e offrendo aiuto — che si tratti di stabilizzare un passo, amplificare la forza muscolare, guidare la ripresa o approfondire la nostra connessione con macchine e mondi virtuali.

Citazione: 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

Parole chiave: sensori indossabili, predizione del movimento umano, biomeccanica, <keyword>protesi