Улучшение обобщения жестов по ЭМГ-сигналам с помощью кросс-модального обучения представлений». Эта работа будет представлена на конференции ICLR 2026 в апреле. В ней исследователи объясняют, как они обучили модель ИИ распознавать жесты рук, даже если эти конкретные жесты не были частью исходного набора данных. Для этого они разработали EMBridge — «кросс-модальную систему обучения представлений, которая преодолевает разрыв между модальностями ЭМГ и позы». ЭМГ, или электромиография, измеряет электрическую активность, генерируемую мышцами во время сокращения. Её практическое применение охватывает области от медицинской диагностики и физиотерапии до управления протезами стей. В последнее время её также всё активнее исследуют для использования в носимых устройствах и системах AR/VR. Например, очки Ray-Ban Display от Meta используют технологию ЭМГ в виде так называемого Neural Band — носимого на запястье устройства, которое, по описанию компании, «интерпретирует сигналы ваших мышц для управления функциями Meta Ray-Ban Display». В исследовании Apple ЭМГ-сигналы, использованные для обучения, снимались не с запястного устройства. Вместо этого исследователи использовали два набора данных: Учитывая всё вышесказанное, легко представить, как разработка Apple — EMBridge — может проложить путь для будущей модели Apple Watch, позволяющей управлять такими устройствами, как Apple Vision Pro, компьютерами Mac, iPhone и другими носимыми гаджетами, включая ходившие слухами умные очки компании. На практике возможности могут быть весьма значительными — от новых методов взаимодействия до улучшений в области доступности. Разумеется, само исследование прямо не упоминает какие-либо конкретные будущие продукты или приложения Apple, но оно указывает на эту перспективу.