想象你在异国旅行，面对一扇从未见过的窗户。你伸出手，不再摸索，而是感觉肌肉被轻柔地带动，顺势完成正确的开窗动作，仿佛有位看不见的老师在身旁示范。同样的体验，也可以用在旋开儿童安全药瓶、操作一次性相机，或完成任何你从未练习过的动作。

这不是科幻设想，而是芝加哥大学计算机科学系副教授 Pedro Lopes 指导下，博士生 Yun Ho 和 Romain Nith 正在实现的系统。他们的研究获得了 ACM CHI 2026 会议最佳论文奖，在人机交互领域引发了广泛讨论，并已发布在 arXiv 预印本平台。

从特定任务工具到通用物理辅助

电肌肉刺激（EMS）技术本身并不新颖。多年来，研究者通过在皮肤上贴电极、施加可控电流，来帮助人们学习弹钢琴、演示手语，或辅助中风患者康复。但这些系统往往只适用于预先设定的少数任务，更像是“辅助轮”：一旦离开预设场景，就难以应对真实世界的复杂变化。

研究团队指出，以往的 EMS 辅助“高度专业化……固定且缺乏情境感知”。也就是说，肌肉收到的“指令”只在设计者预想的情境中有效。比如，系统可以立刻帮你摇晃喷漆罐，但当你拿起一罐食用油喷雾时，它就不知道该如何反应——因为它既不了解当前物体，也不理解你为什么不需要摇晃。

这一次，团队提出的“具身人工智能”（Embodied AI）系统试图改变这一点。借助现代多模态 AI（例如 CLIP 视觉模型，以及具备 GPT-4 级别推理能力的计算机视觉系统），它能够综合你所看到的物体、所处环境以及身体姿态，实时生成与当前情境匹配的动作引导。EMS 不再只是执行预设脚本，而是与用户在当下进行协同。

“我很好奇，人们会如何理解、并与一种通过身体动作（而不是视听信息）与他们交流的设备建立关系。”Ho 表示，“在‘具身人工智能’这个框架下，我可以在物理辅助领域探索这个问题。让参与者在使用系统时一边体验一边思考，观察他们如何解读机器引导的动作，这一点非常有启发性。”

从“知道事实”到“会怎么做”的 AI

这项工作的关键在于程序性知识——那种难以用语言完整描述的身体经验：如何恰到好处地握住瓶盖并旋开，或者如何协调手腕和肩膀去打开一扇欧洲式窗户。过去几十年，很多系统主要是向人们传递事实性信息；而这里，研究者尝试把“操作诀窍”直接传给肌肉。

情境感知、可生成动作的 EMS 带来了什么变化？用户即使说不清自己需要什么帮助，也能在身体层面获得引导，从而完成陌生且复杂的物理任务。

论文中描述了一项用户研究：参与者在系统的动态肌肉提示下，成功打开带锁结构的药瓶、使用一次性相机拍照，或操作牛油果工具。即便研究者刻意让 AI 给出错误引导（用于测试），参与者仍能察觉异常，调整动作，通过重新提示系统或主动纠正来找到正确做法。

这种身体直觉与 AI 建议之间的来回博弈非常关键。一位参与者表示，“身体的直觉能立刻发现错误”，相比阅读步骤说明或观看教学视频，这种方式更直接、更容易察觉不对劲之处。

Lopes 认为：“这可能会改变游戏规则，不仅适用于高度依赖身体操作的任务（例如学习制造、材料加工相关技能，或学习乐器），也适用于用户在情境上受限的场景（比如需要同时处理多项任务，或在黑暗环境中看不清时）。”

谁会受益？具身 AI 的潜在日常场景

研究团队设想，这项技术的应用远不止实验室演示。尤其是在程序性操作至关重要、且出错代价高的领域，具身 AI 可能发挥作用：

• 医疗与康复： 物理治疗患者在家练习不熟悉的动作，或老年人使用辅助器具时，肌肉本身就能获得安全的动作引导，而不必完全依赖文字说明或视频示范。
• 工业与技术劳动： 工人接触新设备或新工艺时，可以通过肌肉引导快速掌握正确姿势和用力方式，降低受伤风险，缩短培训周期。
• 无障碍辅助： 视障或低视力用户已经能通过 AI 获得场景描述，而情境感知 EMS 则可以进一步提供直接的身体引导，把普通环境转化为“可触达”的环境，手把手教会新的手势和操作流程。
• 日常生活： 从旅行者面对陌生电器，到爱好者组装不熟悉的设备，这类系统都可以在现场提供灵活的动作辅助。

当然，Lopes 和团队也坦言目前仍有不少限制：电极需要精确校准，EMS 可能带来刺痛或不适，电刺激本身也难以完全替代精细动作控制和长期“肌肉记忆”。不过，他们认为 AI 算法和 EMS 硬件都在快速进步。趋势很清晰：未来，类似的体载 AI 引导设备有望像今天的可穿戴健康追踪器一样普及。

“虽然我们对这个系统抱有很高期待，但这显然只是第一步，后续还有大量工作要做。”Lopes 说。

“这包括进一步提升 AI 的推理能力，让多模态模型不仅能‘看’，还能‘感受’用户的体验（例如理解触觉和运动感知），以及持续解决 EMS 的舒适度、可穿戴性和校准难题——目前它还称不上日常穿戴设备，更像是研究人员在实验室里试验的‘超级英雄装备’。”

研究团队也强调，这套系统并不是为了取代传统的视听指导，而是作为补充，通过“身体”这一媒介，丰富人类学习和与技术互动的方式。相关代码已经开源，团队欢迎外界在此基础上扩展、批评和迭代模型。

在伦理层面，例如谁来控制引导、错误指令可能带来怎样的风险等问题上，研究者特别强调用户控制与安全性：AI 只有在被用户主动“邀请”时才会介入，参与者可以随时中断或调整系统行为。