Senaste framstegen inom intelligenta bärbara system: från multiskaliga biomekaniska egenskaper till förutsägelse av människans rörelseintention

Läsa kroppar innan de rör sig

Föreställ dig att en smartklocka, en sulinlägg eller ett lätt exoskelett kunde känna vad du är på väg att göra och diskret hjälpa dig—stabiliserar ett steg innan du snubblar, förstärker en trött muskel eller låter en proteshands rörelser kännas nästan lika naturliga som en riktig hand. Denna översiktsartikel förklarar hur forskare bygger ”intention-medvetna” bärbara system som avläser kroppens egna mekaniska och elektriska signaler för att förutsäga våra nästa rörelser, vilket öppnar nya möjligheter för rehabilitering, säkrare arbete, idrottsprestationer, virtuell verklighet och körning.

Hur kroppen antyder nästa rörelse

Våra kroppar läcker ledtrådar om kommande handlingar på flera fysiska nivåer. På helkroppsnivå avslöjar subtila skiftningar i acceleration—ofta mätta nära midjan—hur stabil vår tyngdpunkt är och när vi är på väg att accelerera, sakta ner eller ändra riktning. Plötsliga förändringar i dessa mönster kan föregå ett halk- eller snävt svängmoment med en bråkdel av en sekund, vilket ger algoritmer ett fönster att förutsäga ett fall eller en snabb manöver. Zoomar man in på enskilda leder bildar förändringar i vinklar och vinkelhastigheter i höft, knä, fotled, axel, armbåge och fingrar rika rörelse"signaturer" för gång, lyft eller gripande. På den djupaste nivån uppträder små elektriska utslag i muskler—fångade med ytelektroder på huden—tio- till hundratals millisekunder innan synlig rörelse, och ger en tidig varning om intention som är särskilt värdefull för styrning av proteser och exoskelett.

Smarta sensorer vävda in i vardagen

För att fånga dessa signaler sprider ingenjörer ut ett nätverk av små sensorer över kroppen. Inertiala enheter följer acceleration och rotation av kroppssegment; flexibla töjnings- och trycksensorer mäter ledböjning och fotkrafter; bioelektriska sensorer övervakar muskelaktivitet, hjärnsignaler och hjärtrytm; och även optiska, akustiska och kemiska sensorer bevakar blodflöde, vävnadsförändringar och svettens kemi. Dessa komponenter paketeras i välbekanta föremål—klockor, armband, smarta skor och handskar—såväl som i elektroniska textilier och hudlika plattor som formar sig efter leder och muskler. Genom att lägga sensorer i lager på kropps-, led- och muskulär nivå kan konstruktörer följa rörelsen från den första neurala gnistan i muskelfibrer, via vridmomentet i en led, hela vägen till förändringar i helkroppens balans.

Att lära maskiner läsa mänsklig rörelse

Att samla data är bara halva uppgiften; den andra halvan är att tolka dem tillräckligt snabbt för att vara användbara. Tidigare system förlitade sig på handgjorda regler och klassiska maskininlärningsmetoder som tittade på noggrant utvalda funktioner, såsom genomsnittlig muskelaktivitet eller toppvinkel i en led, och sedan tilldelade varje mönster en känd handling. Dessa metoder är effektiva och fungerar bra på små batteridrivna enheter, men de har svårt när rörelser blir mer varierade eller brusiga. På senare tid har djupinlärningsmetoder—konvolutionella, återkommande och transformer-liknande neurala nätverk—tränats för att upptäcka komplexa mönster över tid och över flera sensorer samtidigt. De kan slå samman acceleration, tryck och muskelsignaler för att känna igen gångfaser, förutsäga ledvinklar i förväg eller uppskatta det vridmoment en människa snart kommer att generera, ofta med förutsägelsefel mätta i endast några tiotals millisekunder.

Från kliniker och fabriker till arenor och simulatorer

Dessa intention-förutsägande bärbara system rör sig från labbprototyper in i många verkliga miljöer. Inom rehabilitering använder exoskelett som liknar kläder och passiva knästöd ledvinklar, krafter och muskelaktivitet för att ge precis tillräckligt med assistans för gång eller terapiövningar, och anpassar sig efter varje patients framsteg. För arbetstagare och industrirobotar kan kroppsacceleration och muskelsensorer flagga trötthet, förutse osäkra rörelser och låta robotar förutse och samordna med mänskliga partner. Idrottare gynnas av E-hud och lätta rörelsekläder som följer ledbelastning och muskelanvändning för att finslipa teknik och minska skaderisk. I virtuell verklighet använder smarta ringar och handskar fingerrörelser och muskelledtrådar för att åstadkomma mer naturligt grepp och beröring, medan sensorer i bilar för huvudet och extremiteter hjälper till att förutse inbromsning, filbyten eller dåsighet för att stödja förarassistanssystem.

Hinder på vägen mot vardagsanvändning

Trots imponerande noggrannhet i kontrollerade tester är det utmanande att ta dessa system in i vardagen. Verkliga miljöer är röriga: svett, glidande elektroder, kläder som förskjuts och elektriskt brus kan förvränga signaler, samtidigt som människor varierar mycket i kroppstyp, styrka och rörelsestil. Det innebär att modeller tränade på en grupp ofta presterar dåligt på en annan eller i nya uppgifter. Flexibla sensormaterial måste också klara kontinuerlig böjning och töjning utan att förlora känslighet, och kompakta energikällor måste hålla multisensorsystem igång under långa perioder. Ovanpå detta väcker de rika strömmarna av fysiologiska och rörelsedata allvarliga integritetsfrågor, eftersom de kan avslöja hälsotillstånd, vanor och till och med känslomässiga tillstånd om de missbrukas eller läcker.

Vad detta betyder för framtiden

Författarna drar slutsatsen att förutsägelse av mänsklig rörelseintention inte längre är science fiction, men att omvandla det till en säker, pålitlig vardagsteknik kräver framsteg på flera fronter samtidigt. Smartare inlärningsmetoder måste anpassa sig till varje användare och förbli robusta när signaler försämras; sensormaterial behöver vara hållbara, bekväma och energieffektiva; och starka skyddsåtgärder behövs för att säkra personliga rörelse- och hälsodata. Om dessa delar faller på plats kan framtidens bärbara enheter bilda en sömlös ”perception–beslut–åtgärd”-slinga runt kroppen, tyst förstå vad vi avser göra härnäst och erbjuda hjälp—vare sig det innebär att stabilisera ett steg, förstärka muskekraft, vägleda återhämtning eller fördjupa vår koppling till maskiner och virtuella världar.

Citering: 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

Nyckelord: bärbara sensorer, förutsägelse av människors rörelser, biomekanik, exoskelett, proteser