Un equipo de la Universidad Northwestern ha presentado EITWatch, un reloj inteligente de código abierto capaz de reconocer gestos de la mano sin cámaras ni sensores de superficie. El dispositivo usa tomografía de impedancia eléctrica para detectar los movimientos de músculos y tendones de la muñeca desde el interior de una caja de reloj convencional. Todo el hardware, desde los esquemáticos hasta la lista de materiales, se publica bajo licencias abiertas, y el firmware corre sobre un módulo ESP32-S3 accesible para cualquier persona con conocimientos de electrónica. El proyecto no busca sustituir a un smartwatch comercial, sino demostrar que la detección de gestos por impedancia puede funcionar dentro de las limitaciones físicas de una muñequera plana, sin electrodos que rodeen la muñeca por completo.

Qué es la tomografía de impedancia eléctrica aplicada a la muñeca

La tomografía de impedancia eléctrica, conocida por sus siglas en inglés EIT, mide cómo varía la resistencia eléctrica de un tejido cuando se inyecta una corriente controlada entre dos puntos. En la muñeca, esa resistencia cambia según la posición de los tendones y la contracción de los músculos que mueven los dedos. La mayoría de sistemas EIT para muñeca previos, descritos en PMC sobre sistemas EIT circumferenciales para la muñeca, colocan los electrodos formando un anillo que envuelve todo el antebrazo. EITWatch rompe con ese planteamiento y sitúa los ocho electrodos únicamente en la parte trasera de la caja, la que queda en contacto con la piel al llevar el reloj puesto. Esto obliga a cambiar el protocolo de medición, porque un electrodo plano no puede generar los mismos caminos de corriente que un anillo completo.

Hardware compacto dentro del formato de un reloj estándar

La superficie sensora mide 31 milímetros de diámetro y cabe dentro de una caja de reloj de 40 milímetros, mientras que una extensión de placa de 20 milímetros aloja la electrónica analógica. Los ocho electrodos son discos de acero inoxidable bañados en oro de 2 milímetros de diámetro, separados entre sí unos 11,9 milímetros. El cerebro del sistema es un módulo XIAO ESP32-S3, con un SoC de doble núcleo Tensilica LX7 que llega hasta 240 MHz, 512 KB de SRAM y 8 MB de PSRAM, además de conectividad Wi-Fi 4 y Bluetooth 5.0. La etapa analógica combina un generador de señal AD5930 que produce una sinusoide de 50 kHz, un amplificador de transconductancia ADA4841 que entrega alrededor de 1 mA pico a pico, y una cadena de instrumentación formada por un amplificador AD8220 y un conversor analógico-digital AD7450 de 12 bits. Cuatro conmutadores matriciales ADG738 de ocho canales se encargan de rotar qué par de electrodos inyecta corriente y cuál la mide, todo dentro de una placa de seis capas de 60 por 40 milímetros que encaja bajo la carcasa del reloj.

Como los electrodos no pueden rodear la muñeca, el equipo diseñó un protocolo de escaneo multiprofundidad en lugar del método clásico de inyección adyacente. Un electrodo permanece fijo como fuente de corriente mientras el resto, de forma sucesiva, actúa como sumidero, lo que permite explorar distintas profundidades y ángulos de paso de corriente bajo la piel. Con este método el sistema toma 35 medidas de impedancia por cada fotograma, a una frecuencia de captura de 48 hercios, generando así un mapa dinámico de la actividad interna de la muñeca que después se traduce en gestos reconocibles.

Precisión de reconocimiento y su caída con el tiempo

Los investigadores entrenaron un clasificador que distingue seis gestos macro, como un puño cerrado, un pulgar hacia arriba o una mano extendida, y cinco gestos micro, como pellizcos o deslizamientos con los dedos. En pruebas realizadas el mismo día que la calibración, el sistema alcanzó una precisión del 92,5 % para los gestos macro y del 91,5 % para los gestos micro. Sin embargo, al repetir la prueba 48 horas después, sin recalibrar, la precisión bajó al 73,2 % y al 70,4 % respectivamente, un descenso que refleja lo sensible que es la señal de impedancia a pequeños desplazamientos del reloj sobre la piel. Con usuarios nuevos que no habían participado en el entrenamiento inicial, la precisión cayó todavía más, hasta el 63,1 % en gestos macro y el 55,3 % en gestos micro. Estos números muestran que la tecnología funciona, pero que todavía necesita mecanismos de recalibración automática o modelos más generalizables antes de convertirse en un producto de consumo fiable.

El corazón del sistema: el ESP32-S3 procesando en el propio dispositivo

El equipo no se conformó con transmitir los datos en bruto a un ordenador por Wi-Fi para su clasificación. También demostraron un modo de funcionamiento completamente autónomo, en el que un núcleo del ESP32-S3 se dedica a la adquisición de las señales de los electrodos y el segundo núcleo ejecuta el preprocesado y un clasificador ExtraTrees directamente en el chip. En ese modo, el consumo continuo ronda los 35 mA a 4,3 voltios, lo que con una batería de 300 mAh y 3,7 voltios ofrece unas 8,6 horas de autonomía. Un regulador TLV73325PDBV se encarga de mantener la tensión de 2,5 voltios que necesita la electrónica analógica, y la alimentación externa llega mediante un puerto USB tipo C, el mismo que se usa para programar el firmware. Que un microcontrolador de bajo coste como el ESP32-S3 pueda encargarse a la vez de la captura de señal y de la inferencia de un modelo de aprendizaje automático, sin depender de un teléfono ni de un servidor, es probablemente el aspecto más relevante del proyecto de cara a futuras aplicaciones portátiles.

Un proyecto abierto pensado para la comunidad maker

Todo el diseño de EITWatch está disponible públicamente. Los archivos de PCB en formato Altium, los Gerbers y la lista de materiales se publican bajo la licencia CERN-OHL-P-2.0, mientras que el firmware, escrito en C sobre ESP-IDF 5.2 o superior, se distribuye bajo licencia Apache 2.0. El repositorio completo puede consultarse en GitHub, donde cualquiera puede descargar los esquemáticos y replicar el hardware. Para quien quiera profundizar en la metodología, en los detalles del protocolo de escaneo y en las cifras completas del estudio, Xuanyou Liu, autor principal del proyecto, mantiene documentación técnica ampliada en su página personal. Este enfoque abierto contrasta con la mayoría de investigaciones sobre sensores portátiles, que suelen quedarse en el artículo académico sin publicar ni el hardware ni el código necesarios para reproducir los resultados.

Reflexiones finales

EITWatch se suma a una lista ya larga de relojes inteligentes de código abierto basados en ESP32, pero es el primero de ese grupo que incorpora reconocimiento de gestos mediante impedancia eléctrica en lugar de acelerómetros o cámaras. La caída de precisión tras 48 horas y con usuarios nuevos deja claro que aún queda trabajo por delante antes de pensar en una aplicación comercial, sobre todo en la robustez frente al desplazamiento del reloj sobre la piel y en la capacidad de generalizar a diferentes anatomías. Aun así, el hecho de que todo el pipeline, desde la adquisición analógica hasta la inferencia del modelo, quepa en un chip de bajo consumo como el ESP32-S3 apunta a un camino interesante para interfaces gestuales que no dependan de cámaras ni de sensores ópticos. Para la comunidad de electrónica abierta, disponer de los esquemáticos completos y del firmware bajo licencias permisivas convierte a EITWatch en un punto de partida sólido para quien quiera experimentar con esta forma de sensado.