倪华良表示：“信号识别是肌电传感器面临的挑战之一，由于人体之间有差异性，而且这个差异性有时会较大，皮肤的干燥程度、毛发、机械设计所带来的传感器脱落等等问题都会对肌电传感信号造成干扰。这些干扰会降低肌电传感器对信号进行准确识别的稳定性。”

如果想要在人体差异性的基础上做出普适的产品，倪华良表示，需要比较大的训练集，将这些数据整理出来变成数据库，再引入AI，通过AI训练生成模型，再利用这些模型对现场数据进行识别。在数据量大、算法先进的情况下，识别准确率会很高。

图源：傲意科技

当识别出不同结果时，会引入模糊算法，对识别结果的准确率进行一个推测，再选出相对最为匹配的结果。倪华良说：“目前没有人能做到100%的准确，所有的AI都是在告诉你相似性，在不同概率之间去做衡量，然后让机器去做判断哪个最可能接近正确答案。”

那在基本原理比较类似的情况下，如何对一家公司的手势识别技术的壁垒进行判断？

倪华良表示：“对一家公司的手势识别技术壁垒进行判断，主要看两点：动作的解析数量与延时情况。动作的解析是指所能准确解析的动作数量；延时，是指信号解析与反馈的速度，延时长，比如需要等待１秒钟才能解析出动作，实时性会被破坏掉。因此，在做算法的过程当中要进行一些参数的调节，在这个过程当中，有很多限制条件，比如需要满足延时、数量、成本等各个条件。”

图源：傲意科技

早在2016年，傲意科技的gForce肌电手环便可实现量产，以下为2016年傲意gForce肌电手环交互演示视频。

视频中，倪华良手臂上戴着黑色gForce肌电手环，就5个不同场景（主要是游戏）进行了操作演示：页面的切换、爆炸、掷飞镖、拉弓射箭、刀剑搏斗，抓握以及抓握程度是其中主要应用的手势。

可以看到，当倪华良做出轻轻抓握的手势时VR页面会进行切换，在进行以爆炸为攻击手段的游戏时，则需紧紧握住拳头，紧握的时长代表了持续爆炸的时间，在这个游戏中，玩家通过移动头显视线锁定目标。

图源：傲意科技

在后面掷飞镖、拉弓射箭，以及刀剑搏斗的游戏当中，手势均与真实动作保持一致。整体来讲，手势动作与VR中的动作基本保持一致，很流畅，无明显延迟，只是在最后一款游戏的演示中当，由于挥动较为频繁，似乎出现了一定的延时。据了解，该延时是由于VR头显通过USB线投影造成的。