马库斯照做了。

仿生手的拇指与食指缓缓靠拢，指腹处的压力传感器实时反馈数据，力度精确控制在12牛顿，刚好能稳稳托住一颗鸡蛋，而不会将它捏碎。

这时，王瑞雪拿起一颗真正的鸡蛋，放在仿生手的指间。

现场数百双眼睛齐刷刷地盯着那颗鸡蛋。

马库斯能感觉到指尖传来的轻微压感，凝胶贴片将仿生手指腹的压力数据，通过微电流刺激，反馈到了他残端的触觉神经上。

那颗鸡蛋稳稳地悬在两指之间，纹丝不动。

三秒！

五秒！

十秒！

鸡蛋纹丝不动，完好无损！

看到这一幕，掌声轰然炸开。

马库斯咧嘴一笑，对灵枢1的期待值更高了。

不愧是智橙科技！

不愧是研发出了livevie同声翻译、莫斯（alea）智能语音系统、rangeai的人工智慧公司！

但演示还没有结束，王瑞雪从桌上拿出一副标准扑克牌，抽出三张，正面朝下放在桌上。

「请您用灵枢1翻开其中任意一张牌。」

马库斯盯着那三张牌，想像着右手食指伸出、指尖下压、向上一挑。

仿生手的食指果然伸了出来，指腹精准地压在最左边那张牌的边缘。

然而，在上挑的瞬间，食指的角度出现了约五度的偏差，牌只翻了一半便又倒了回来。

失败了？

王瑞雪见状，神色从容。

马库斯连忙又尝试了一次，这次成功了！

毕竟是非侵入式仿生义肢，能做到这种程度，已然称得上是顶尖水准。

其实无论是脑机接口、神经接口，半侵入式的靶向肌肉神经再支配技术，还是非侵入式的肌电控制方案，本质上都只是在「推测」大脑意图，而非真正的「读心术」。

翻译识别效率越高，产品的实际表现力就越强。

目前该领域第一梯队的实验室数据，在握拳、方向控制、抓握这类简单二分类动作上，准确率也仅在80到85之间。

行业平均水平在70到80，遇到复杂多指动作或连续控制时，准确率常会跌到70以下，还需要使用者反复训练与校准。

而灵枢1对简单指令的识别解析率，却明显超过了90，精准度远超同行。

马库斯的演示结束后，展台前的人群不仅没有散去，反而越聚越多。

社交媒体上，关于灵枢neurlk1的短视频已经开始疯传了，马库斯捏鸡蛋、拿扑克牌的画面，在短短二十分钟内就被转发了十万次。

「下一位！」

王瑞雪朝队伍喊道。

走上来的是一位三十出头的女性，短发，身材瘦削，左臂从肘关节以下缺失。

她叫艾琳，墨西哥裔，在圣迭戈一家食品加工厂工作时，左前臂被卷入了传送带。

与马库斯不同的是，艾琳的残端更短，可用于采集肌电信号的肌肉群面积更小，这意味着电极阵列的覆盖区域会受到显著限制。

这恰恰是非侵入式仿生义肢最大的技术瓶颈之一，残端条件越差，可采集的神经信号

章节内容不完整，请退出阅读模式查看完整内容！