手部手势识别技术的另一大核心应用场景是直接驱动外部物理实体，主要包括智能假肢、辅助矫形器以及外骨骼系统。相关控制技术可分为三个主要方向：
- 截肢患者的智能假肢控制：通过采集残肢表面的肌电图（sEMG）或肌力图（FMG），模式识别算法能够解码出多自由度的复杂手势意图。研究前沿正逐步从离散动作分类向连续控制演进，并整合触觉反馈以构建"感觉-运动"闭环控制系统。NinaPro、CSL-HDEMG 和 CapMyo 等公共数据集为算法研究提供了标准基准。
- 重度运动功能障碍的日常辅助矫形器：设计理念从"康复治疗"转向"代偿性辅助"。目标手势大多提取自临床标准的上肢评估量表（如 ARAT 或 WMFT），典型动作包括手腕屈伸、全手握持、对指捏、侧捏、圆柱状抓握和球状抓握等。
- 健侧人群的外骨骼与人体能力增强：分为体能增强（放大用户输出力量）和功能拓展（超数机器人系统，如额外机械臂），向"人机共融"的终极愿景迈进。