
Investigadores de la Universidad Northwestern desarrollaron sistemas capaces de reconocer gestos de los dedos y actividades cotidianas mediante sensores instalados en la muñeca. La tecnología abre nuevas posibilidades para controlar dispositivos sin tocar pantallas, utilizar prótesis robóticas y mejorar la seguridad en entornos industriales.
Los relojes inteligentes están avanzando hacia una nueva generación de dispositivos capaces de interpretar lo que hacen las manos sin utilizar cámaras. Investigadores de la Universidad Northwestern, en Estados Unidos, presentaron en noviembre de 2026 dos sistemas experimentales que utilizan señales musculares, movimientos de tendones e inteligencia artificial para identificar gestos y actividades realizadas por sus usuarios.
Uno de los desarrollos, denominado EITWatch, consiguió reconocer seis gestos habituales de la mano con una precisión superior al 92% durante pruebas controladas. El segundo, llamado TransfHAR, permite que un reloj aprenda nuevos movimientos a partir de demostraciones breves, sin necesidad de programar individualmente cada actividad.
Ambas tecnologías fueron presentadas el 3 de noviembre durante el simposio internacional UIST 2026, celebrado en Detroit, y representan un cambio en la manera de entender estos dispositivos: pasar de registrar principalmente indicadores físicos a interpretar movimientos específicos de las personas.
El avance podría tener aplicaciones en salud, accesibilidad, automatización y actividades industriales donde resulta necesario interactuar con equipos sin depender constantemente de una pantalla táctil.
Cómo funciona el reloj que reconoce los gestos de los dedos
EITWatch utiliza una técnica conocida como tomografía de impedancia eléctrica, que permite detectar modificaciones en las propiedades eléctricas de los tejidos bajo la piel.
El prototipo incorpora ocho pequeños electrodos distribuidos en un anillo de 31 milímetros de diámetro, instalado en la parte posterior del reloj, donde mantiene contacto con la muñeca.
Estos sensores aplican señales eléctricas de baja intensidad y registran las variaciones que se producen cuando los músculos y tendones cambian de posición.
Cada movimiento genera un patrón diferente. Cerrar el puño, levantar el pulgar, señalar con un dedo o realizar pequeños movimientos de pinza produce señales que pueden distinguirse mediante algoritmos de reconocimiento.
El sistema efectúa 35 mediciones de impedancia por ciclo, con una frecuencia de 48 ciclos por segundo.
La principal innovación consiste en interpretar los movimientos de la mano desde la muñeca, sin necesidad de instalar sensores en cada dedo ni mantener la mano frente a una cámara.
Esto podría permitir controlar funciones de un dispositivo mediante gestos discretos, incluso cuando la pantalla no está visible.
Las pruebas alcanzaron una precisión del 92,5%
La evaluación de EITWatch incluyó a 12 participantes que realizaron diferentes movimientos previamente definidos.
Los investigadores analizaron dos categorías: gestos amplios de la mano y movimientos pequeños de los dedos.
Los principales resultados fueron:
|
Indicador |
Resultado |
|---|---|
|
Participantes evaluados |
12 |
|
Gestos amplios reconocidos |
6 |
|
Precisión de gestos amplios |
92,5% |
|
Movimientos sutiles evaluados |
5 |
|
Precisión de movimientos sutiles |
91,5% |
|
Electrodos utilizados |
8 |
|
Frecuencia de medición |
48 Hz |
Los resultados corresponden a pruebas supervisadas y condiciones experimentales controladas. Las cifras de precisión más altas se obtuvieron al evaluar movimientos de personas utilizadas previamente para entrenar sus propios modelos de reconocimiento.
Cuando los participantes volvieron a colocarse el dispositivo 48 horas después, la precisión disminuyó al 73,2% para gestos amplios y al 70,4% para movimientos pequeños.
La capacidad también se redujo al evaluar personas diferentes de aquellas utilizadas durante el entrenamiento.
Esto revela uno de los principales obstáculos pendientes: lograr que el dispositivo reconozca gestos de distintos usuarios sin necesitar calibraciones individuales.
TransfHAR: un reloj que aprende nuevas actividades en pocos minutos
El segundo desarrollo, TransfHAR, aborda un problema diferente: la capacidad de reconocer actividades que no estaban programadas originalmente en el dispositivo.
Mientras EITWatch analiza señales provenientes de los tejidos de la muñeca, TransfHAR utiliza acelerómetros y giroscopios, sensores que ya están presentes en numerosos relojes inteligentes.
El sistema incorpora aprendizaje automático para identificar patrones de movimiento y adaptarse a las actividades particulares de cada persona.
Por ejemplo, podría aprender a diferenciar cuándo alguien está escribiendo, revolviendo una bebida, realizando ejercicios físicos o ejecutando una tarea manual repetitiva.
En una evaluación con diez participantes, cada uno realizó siete actividades nuevas. El sistema alcanzó una exactitud equilibrada del 86,7% utilizando cinco ejemplos de entrenamiento por actividad.
Al ampliar el aprendizaje mediante una grabación de un minuto por actividad, el resultado aumentó al 90,4%.
A diferencia de sistemas tradicionales que necesitan grandes cantidades de ejemplos previamente clasificados, esta tecnología busca aprender comportamientos personalizados mediante demostraciones relativamente breves.
Su desarrollo contó con investigadores de Northwestern, Carnegie Mellon y Google Health Research.
Aplicaciones en salud, rehabilitación y prótesis robóticas
Uno de los campos con mayores posibilidades es la tecnología asistencial.
Las prótesis robóticas modernas necesitan identificar señales que permitan traducir la intención de movimiento del usuario en acciones mecánicas.
La detección de cambios musculares desde la muñeca podría contribuir al desarrollo de interfaces para controlar determinados movimientos de manos artificiales.
Otra aplicación potencial es el seguimiento de tratamientos de rehabilitación.
Un dispositivo capaz de reconocer actividades específicas podría ayudar a registrar ejercicios prescritos, evaluar la repetición de movimientos y proporcionar información sobre el cumplimiento de determinadas rutinas.
También podría utilizarse en programas de apoyo a adultos mayores, donde el seguimiento de actividades cotidianas permitiría detectar cambios en los hábitos de movimiento sin necesidad de instalar cámaras permanentemente.
Sin embargo, estas aplicaciones todavía requieren validación clínica y pruebas adicionales antes de utilizarse como herramientas médicas de uso generalizado.
Qué posibilidades abre para la minería y la industria
El desarrollo también plantea oportunidades para sectores productivos donde los trabajadores utilizan ambas manos y dependen de procedimientos operacionales específicos.
En minería, mantenimiento industrial, construcción y logística existen actividades que requieren registrar movimientos manuales, utilizar herramientas y mantener comunicación con sistemas digitales.
Una tecnología suficientemente desarrollada podría permitir que determinadas funciones de un dispositivo portátil se activen mediante gestos, disminuyendo la necesidad de interactuar directamente con una pantalla.
Otra posibilidad sería incorporar reconocimiento de movimientos en programas de capacitación técnica, para analizar secuencias de tareas y entregar retroalimentación durante procesos de entrenamiento.
En mantenimiento mecánico, por ejemplo, los sistemas podrían contribuir a identificar patrones asociados con actividades repetitivas y registrar determinados pasos de una intervención.
También podrían explorarse aplicaciones relacionadas con ergonomía y prevención de trastornos musculoesqueléticos.
No obstante, todavía no existen resultados que demuestren que EITWatch o TransfHAR puedan reemplazar sistemas de seguridad industrial o controlar equipos mineros críticos.
Para ese tipo de utilización sería indispensable comprobar su funcionamiento bajo vibraciones, polvo, humedad, uso de guantes, movimientos imprevistos y otras condiciones habituales en faenas.
La interpretación incorrecta de un gesto no tiene las mismas consecuencias cuando se utiliza para cambiar una canción que cuando interviene en una operación industrial.
Los obstáculos antes de llegar al mercado
La investigación todavía enfrenta desafíos técnicos y comerciales.
EITWatch necesita reducir el tamaño de sus componentes electrónicos para integrarlos completamente dentro de un reloj convencional. El prototipo empleado en las pruebas aún utiliza circuitos adicionales que sobresalen de la estructura del dispositivo.
También debe mejorar su capacidad para reconocer movimientos de personas distintas, mantener resultados consistentes después de retirar y volver a colocar el reloj y funcionar durante actividades cotidianas no controladas.
TransfHAR, por su parte, debe demostrar que puede distinguir actividades similares durante períodos prolongados y en condiciones reales.
La autonomía energética, el procesamiento continuo y la protección de la información personal serán factores relevantes para cualquier aplicación comercial.
Aunque estos sistemas no necesitan grabar imágenes, pueden generar información detallada sobre los hábitos físicos y las rutinas de los usuarios, lo que exige considerar medidas de privacidad y seguridad.
Por ahora, ninguno de los dos desarrollos tiene una fecha comercial confirmada.
Una nueva etapa para los dispositivos inteligentes
La evolución de los relojes inteligentes está desplazándose desde las funciones tradicionales de comunicación y seguimiento de actividad física hacia sistemas capaces de interpretar comportamientos humanos más complejos.
El desarrollo de sensores compactos y modelos de inteligencia artificial permite obtener información que anteriormente requería cámaras, accesorios adicionales o equipamiento especializado.
Las investigaciones presentadas en noviembre de 2026 demuestran que una parte relevante de los movimientos de la mano puede identificarse mediante señales registradas únicamente desde la muñeca.
Sin embargo, convertir esa capacidad experimental en una herramienta comercial exige resolver los problemas de precisión, adaptación entre usuarios y funcionamiento continuo.
Para sectores como la minería, donde aumentan las aplicaciones de automatización, monitoreo remoto e interacción entre personas y máquinas, este tipo de tecnología podría convertirse en un componente adicional de los futuros sistemas portátiles.
El cambio más significativo sería que el reloj dejara de limitarse a registrar lo que ocurre con el cuerpo y comenzara a comprender determinadas acciones que realiza su usuario. Su incorporación a la vida cotidiana y a los entornos productivos dependerá de que esa interpretación sea suficientemente confiable fuera del laboratorio.
REDIMIN Responde
¿Qué tecnologías desarrollaron los investigadores de la Universidad Northwestern?
Desarrollaron sistemas capaces de reconocer gestos de los dedos y actividades cotidianas mediante sensores instalados en la muñeca, utilizando señales musculares, movimientos de tendones e inteligencia artificial.
¿Qué precisión alcanzó el sistema EITWatch en las pruebas controladas?
El sistema EITWatch consiguió reconocer seis gestos habituales de la mano con una precisión superior al 92% durante pruebas controladas.
¿Cómo funciona el sistema EITWatch para reconocer gestos?
EITWatch utiliza tomografía de impedancia eléctrica para detectar modificaciones en las propiedades eléctricas de los tejidos bajo la piel, con ocho electrodos en un anillo de 31 milímetros de diámetro que registran variaciones cuando los músculos y tendones cambian de posición.
¿Qué capacidades tiene el sistema TransfHAR?
TransfHAR puede aprender nuevas actividades a partir de demostraciones breves, utilizando acelerómetros y giroscopios, y alcanzó una exactitud equilibrada del 86,7% con cinco ejemplos de entrenamiento por actividad.
¿Qué aplicaciones potenciales tienen estas tecnologías en la industria minera?
Podrían permitir que funciones de dispositivos portátiles se activen mediante gestos, disminuir la necesidad de interactuar con pantallas y contribuir en programas de capacitación técnica para analizar secuencias de tareas y entregar retroalimentación.














