Guantes inteligentes - El dispositivo transforma los movimientos manuales en electricidad y emplea nueve sensores junto a aprendizaje automático para identificar seis signos con un 94,43% de acierto
Cada flexión de los dedos, giro de muñeca o cambio de presión puede convertirse en una señal eléctrica distinta dentro de un guante fabricado con residuos de escamas de pescado. Esa capacidad da al prototipo una entrada poco habitual al reconocimiento de lengua de signos, porque el movimiento que debe registrar también aporta la energía mecánica necesaria para producir la señal. El resultado tiene algo de reciclaje llevado muy lejos, aunque su alcance todavía está acotado.
Un guante convierte los movimientos manuales en señales eléctricas
Investigadores de un estudio publicado en Advanced Functional Materials han desarrollado un guante con nueve sensores y una red neuronal espaciotemporal que identifica seis signos y una posición de reposo. En las pruebas, el sistema alcanzó una precisión del 94,43% al clasificar los patrones de voltaje generados en distintos puntos de la mano. El modelo analiza tanto la ubicación de cada sensor como la evolución de su señal a medida que avanza cada movimiento.
Las pruebas reunieron 1.050 registros obtenidos con tres voluntarios, y cada participante repitió 50 veces los seis signos y la posición de reposo. El entrenamiento y la evaluación utilizaron movimientos procedentes de esas mismas tres personas, una condición que limita el alcance del porcentaje publicado. El ensayo demuestra que el sistema reconoce un vocabulario reducido entre usuarios ya representados en sus datos, pero todavía no establece cómo respondería ante una persona nueva.
Por el momento este guante necesita de herramientas externas
Una secuencia formada por Hola, ¿podrías ayudarme? permitió comprobar también el funcionamiento del guante con varias palabras reproducidas de manera seguida y mostradas en un ordenador. Los investigadores no publicaron una tasa separada de acierto para frases continuas, por lo que el 94,43% corresponde al experimento controlado de clasificación. Además, las lenguas de signos incorporan expresiones faciales, posición corporal y otras señales no manuales capaces de modificar el significado.
Una concentración del 0,14% ofreció el mejor rendimiento
El residuo de pescado atraviesa una transformación intensa antes de llegar al sensor, con tratamiento ácido, calentamiento a 450 °C y posterior molienda hasta obtener un polvo. Ese proceso destruye la estructura original de colágeno y deja material con carbono junto a minerales ricos en calcio y fosfato. El polvo se incorpora a PVDF, un polímero con propiedades eléctricas, se electrohila como una red porosa de nanofibras y después recibe PDMS para ganar elasticidad.
La proporción de polvo resultó decisiva para el comportamiento del compuesto, ya que el mejor rendimiento apareció con un 0,14% en peso respecto al disolvente empleado durante la preparación. En concentraciones bajas, las partículas favorecieron la cristalización del PVDF y aumentaron su estructura eléctricamente activa. Al superar el nivel óptimo, las partículas tendían a agruparse, dificultaban la cristalización y podían abrir vías por las que escapaba la carga acumulada.
Las escamas reciben ácido, alcanzan 450 grados y posteriormente se muelen
Una matriz continua de tres por tres sensores reveló otro problema cuando la presión sobre la zona central activó también canales vecinos por la propagación mecánica de la fuerza.
El equipo separó físicamente las áreas activas y mantuvo intactas las conexiones eléctricas inferiores, con una respuesta mucho más localizada después del cambio. El material soportó cerca de 10.000 ciclos de funcionamiento y llegó aproximadamente al 49% de elongación antes de romperse.
El dispositivo todavía depende de equipos externos para clasificar
Un precedente de UCLA publicado en Nature Electronics en 2020 utilizó sensores de hilo extensible y aprendizaje automático, con un 98,63% de reconocimiento sobre 660 patrones de gestos adquiridos. Otro guante triboeléctrico de 2019 ya había demostrado que el movimiento de la mano podía generar las señales empleadas para reconocer gestos, de modo que la nueva propuesta avanza sobre una línea tecnológica previa.
La separación física redujo las activaciones entre sensores vecinos
La generación triboeléctrica permite que los nueve puntos de detección produzcan sus propias señales, aunque esa autonomía energética termina en la capa sensora del dispositivo. El sistema aún necesita equipos convencionales para digitalizar la información y un ordenador alimentado externamente para ejecutar la clasificación.
Frente a las cámaras, que exigen iluminación adecuada y una visión despejada de la persona, el guante evita filmar al usuario, pero todavía permanece lejos de funcionar como un traductor completo y autónomo.
