本研究提出了一種新型的可穿戴慣性傳感器信號控制系統，用于協同工業機器人柔性遙操作，通過識別操作員上肢運動方向實現機械臂系統遙操作功能。

系統利用穿戴式慣性傳感器捕捉操作員手臂動作，通過機器人、傳感器、操作員的坐標體系校準，以及操作員的手臂相對運動的機器人末端執行器轉換等一系列算法開發，將慣性傳感器信號轉化為運動指令，控制工業機器人執行一些指定的操作。

基于操作員上肢慣性傳感器運動數據的機械臂的運動控制更加安全穩定，為基于人體手勢識別的遙操作系統提供了多樣化的技術路線。

本研究改進了基于空間本體模型的機器人服務本體模型，結合情感識別與智能空間，增進了機器人服務自主認知。

研究在復雜認知加工任務過程中（例如，Stroop測試、Simon任務等）和音樂放松場景下，利用可穿戴手環采集被試的脈搏波、皮膚電等生理信號，并利用支持向量機對生理信號進行分類，識別被試的心理壓力水平變化。并整合用戶生理信息和情感信息與時間、空間信息，基于用戶情感建立包含220條規則的機器人自主認知規則庫。并將規輸入BP（逆向傳播）神經網絡進行訓練，進行服務執行的動態推理決策，實現機器人針對不同時間、地點、時間下用戶的情緒狀態變化自主提供個性化服務。

本研究設計了一種基于手勢的可穿戴式人-無人機界面，使新手用戶能夠通過手勢控制無人機的起飛、降落和飛行方向，以及生成各種飛行軌跡。

在研究中，用戶通過用手擺姿勢，在2種模式中選擇方向控制模式，進而控制無人機的運動。該可穿戴設備由6軸加速度計和陀螺儀傳感器組成。系統使用ROS Kinetic和Raspbian Jessi作為操作系統，使用Tensorflow進行神經網絡設計，使用Bebop SDK和Mavros與飛行控制單元進行通信，并使用Gazebo模擬器。手勢識別采用MEMS傳感器和神經網絡實現。用戶通過一系列手勢生成不同飛行軌跡的能力，例如圓形、三角形、正方形和螺旋。該系統還允許用戶調整飛行軌跡的比例，可用于涉及避障或路徑規劃的情況。

本研究提出了一種集成智能家居系統的具有墜落檢測算法的低功耗網絡可穿戴傳感器，該設備能夠監測老年人的墜落情況，從而增強安全性。

在研究中，可穿戴傳感器在超低功耗網絡中與智能家居系統集成，利用三軸加速度計和陀螺儀的閾值算法檢測跌倒情況。可穿戴傳感器的節點采用868MHz頻率和振幅鍵控調制技術，實現超低功耗和能量收集，并通過運行開源家庭自動化平臺工具實現與智能家居系統的集成。

該可穿戴傳感器旨在檢測跌倒，特別是針對老年人，以提高安全性并預防可能導致額外醫療費用的傷害。該可穿戴傳感器的跌倒檢測系統在正常活動中實現了96%的敏感度，并且沒有出現誤報，表現出100%的特異性。