一、背景介绍

眼机交互是一种借助眼球运动或眨眼等眼部行为实现与机器高效沟通的技术，已成为人机交互领域的重要方向。当前，常用的眼球运动捕捉手段主要包括CCD摄像头和内置金属线圈的隐形眼镜。前者往往需要搭配庞大复杂的外部设备，限制了其应用场景；后者则因使用刚性电子元件，容易引起眼部不适，并妨碍正常视线。

相比于转动眼球，眨眼动作具有更明显的识别优势。每次眨眼时，眼睑会自然对眼球形成约30 mmHg的压力，这种压力信号稳定且易于捕捉。通过识别不同眨眼次数、持续时间以及左右眼的差异，系统能够解析出丰富的指令类型，因此以眨眼为基础的交互方案被认为具有广阔的发展前景。

二、系统设计

在这项最新研究中，来自北京理工大学与香港科技大学的联合团队开发出一款多层结构的智能隐形眼镜（EMI lens），以此作为整个系统的感知核心。该隐形眼镜以柔性材料为基底层，依次集成了Ti3C2Tx MXene导电层、具有蜂窝状微结构的介电层以及微型感应线圈，共同构成一个LC谐振电路。

当使用者的眼压发生改变——例如眨眼导致眼睑施压时，介电层微结构之间的间距会发生变化，进而引起整个回路电容值的改变。这种电容变化进一步影响LC回路的谐振频率，使得外部设备（如矢量网络分析仪）能够以无线方式捕捉到频率信号，从而实现高精度、无创的眼压监测。

该智能隐形眼镜既能实时监测正常生理范围内的眼压（10-21 mmHg），用于健康追踪；也能在识别到特定高压信号（如眨眼时的30 mmHg）时，将其转换为控制指令。它在不影响视野、不引起异物感的前提下，实现了对眼部活动的高灵敏度感知。

三、交互应用

持续且精准的眼压监测，不仅有助于青光眼等疾病的早期诊断与治疗，也为扩展人机交互能力提供了新途径。该智能隐形眼镜可应用于多个前沿领域，包括无人机操控、智能家居系统、残疾人辅助工具及虚拟现实界面等。

在实际测试中，受试者佩戴该隐形眼镜后未出现排斥或明显不适。系统另一个关键突破是能有效区分有意识眨眼与无意识眨眼——人眼每分钟会无意识眨眼10–20次，该系统通过分析眨眼持续时间与压力大小，实现了高准确率的指令识别。

研究人员设计出一套基于五种眨眼模式的控制指令，可用于指挥无人机完成起飞、转向、降落等多维度动作。在动物实验中，活体兔子佩戴该设备后生理状态稳定，验证了其生物相容性与可靠性。这些实验成果充分表明，该眼机交互系统不仅在医疗监测方面具有价值，也为未来自然人机交互提供了新的技术路径。