タグ: 表面筋電図

画面を操作するとき、私たちは指でボタンを押したり、マウスを動かしたりします。その動作に伴う筋肉の電気的な活動を読み取れれば、手に入力機器を持たずに操作する道が開けます。

MetaのReality Labsに属するCTRL-labsの研究チームは、手首に巻く装置で表面筋電図（sEMG）を測り、カーソル操作やジェスチャー、手書き文字の入力につなぐ研究を2025年のNatureに発表しました。焦点は、新しい利用者にも使えるモデルをどう作るかにあります。^[1]

簡単にまとめると？

• 手首の皮膚に接する電極で筋活動を測り、その時間的・空間的なパターンを入力へ変えます。
• 多数の参加者のデータで学習し、モデルの学習に含まれない人でも操作できるかを調べています。
• モデルを個人ごとに再学習しなくても、入力範囲の調整や操作の練習は行われています。実験での成功と、あらゆる利用者・環境での使いやすさは別です。

手首で測るのは、筋肉の電気的な活動

筋肉を動かすときには、神経からの指令に応じて筋線維に電気的な活動が生じます。sEMGは、それらが重なった信号を皮膚の表面から測る方法です。この研究の装置は頭に電極を置くものではなく、考えている言葉をそのまま読む仕組みでもありません。手や指を動かす際の筋活動と、入力したい操作との対応を学習します。^[1]

研究用リストバンドは、手首の周囲に配置した電極から16の計測チャンネルを得ます。重要なのは、一つの信号が強くなったかどうかだけではありません。どの位置で、どのような時間変化が現れるかを組み合わせて、動作の違いを読み分けます。

下の図では、aがデータを集める実験環境、bが装置と電極の位置、cが課題の例です。dには、指をつまむ動作や親指のスワイプに伴う複数チャンネルの信号が並びます。eの細い灰色線を見ると、同じ種類の動作を繰り返しても、信号が毎回ぴったり同じになるわけではないことが分かります。^[1：図1]

同じ動作でも、人や装着位置で信号が変わる

難しいのは、ある人の信号を覚えただけでは、別の人にそのまま通用しにくいことです。体のつくりや動かし方が違い、同じ人でもバンドの位置が変わります。論文では、一人のデータで学習したモデルを別の人へ使うと、性能が大きく下がる様子を確かめています。^[1：図2]

そこで研究チームは、課題ごとに多数の参加者からデータを集め、複数の人に共通して使うモデルを学習しました。装着位置を少しずつ変えた記録も含めています。モデルは、単に特定の人の波形を覚えるのではなく、ばらつきの中から入力に関係する特徴を捉える必要があります。

試した入力には、手首を動かしてカーソルを左右へ動かす連続操作、指のつまみや親指のスワイプを使う離散的な操作、文字を書く動作からの文字入力があります。手書きの場合も、頭の中の文章を取り出すのではなく、提示された語句を指で書く動作に伴うsEMGを使います。^[1]

「すぐ使える」を、実験条件と一緒に読む

新しい利用者が画面の結果を見ながら操作する評価では、課題ごとに17人、24人、20人が参加しました。手書き入力では、20人を対象とした練習後の最初の評価ブロックで、入力速度の中央値が毎分20.9語でした。この指標は空白を含む5文字を1語と数え、最初から最後の文字が出力されるまでの時間で計算しています。課題を読む時間や提出操作の時間は含まず、誤った文字はキーボードのBackspaceで消して書き直せました。提示された語句を入力する実験の値で、日本語入力や自由な長文作成の速さを示すものではありません。^[1：図3]

ここで、モデルの個人向け調整と、人が操作に慣れることは分けて考える必要があります。評価には最初に練習のブロックがあり、研究者が動かし方を助言しました。一部の参加者には評価中も助言が行われています。また、カーソル課題では開始時に手首を動かし、モデルが予測する速度の範囲を測って、出力を正規化しています。モデルを個人ごとに再学習しないことと、入力範囲の調整や練習が不要なことは別です。^{[1：Methods]}

比較したトラックパッドやゲームコントローラーなどは、それぞれの評価指標でsEMG入力を上回りました。研究の狙いは、既存の機器より速いと示すことだけではなく、手を入力機器でふさがずに操作できる可能性を調べることにあります。^[1]

使える人と場面を、さらに広げられるか

記録は管理された環境で集められており、日常のあらゆる場面で同じ性能を確かめた研究ではありません。また、論文は、今回学習した汎用モデルが運動機能に障害のある人にもそのまま使えるかは不明だとしています。小さな筋活動を利用できることは将来の入力方法につながる可能性がありますが、この結果だけで医療上の効果が示されたわけではありません。^[1]

手首の筋活動を入力に使うには、信号を測る装置、動作を読み分けるモデル、人が覚えやすい操作を一緒に設計する必要があります。この研究は、その三つを結び、多くの人へ共通のモデルを広げる方法を検証したものとして読むと、到達点と残る課題が見えてきます。

Metaの企業像を知る

この研究を手がけるMetaの事業全体と、Reality Labsの位置づけは、Cyclewaveの企業解説で紹介しています。

参考資料

1. Patrick Kaifosh、Thomas R. Reardon、CTRL-labs at Reality Labs「A generic non-invasive neuromotor interface for human-computer interaction」。Nature 645、702–711頁。2025年7月23日公開。DOI: 10.1038/s41586-025-09255-w。