基于手势的人机交互（HCI）是泛在计算与消费电子领域的核心研究方向，当前在 VR/AR、汽车电子、智能家居、消费电子和工业制造五大垂直领域展现出巨大前景，不同场景对传感模态和识别算法的要求存在显著差异。
1.2.4.1 VR / AR / MR
空间计算设备（Apple Vision Pro、Meta Quest 3、Microsoft HoloLens 2 等）是目前手势交互商业化程度最高的领域。由于用户处于沉浸式虚拟环境中，键鼠和触屏无法使用，裸手手势成为主要输入模态。核心技术路线分为两类：以摄像头阵列为基础的光学手部追踪（双目 / 多目 + 深度学习骨骼估计），以及 Apple Watch 和 Meta Neural Band 代表的腕部 sEMG 微手势（解放双手、减少视觉疲劳）。
当前研究热点包括：手势与眼动注视的多模态融合（降低 Midas Touch 误触）、近场直接交互与远场射线交互的统一设计框架、以及在用户自然移动时的鲁棒性保障。裸手追踪的核心挑战在于自遮挡处理和低光照场景下的稳定性。
1.2.4.2 汽车电子
车载手势交互的核心价值在于减少驾驶员视觉离路时间（Eyes-off-road time），提升主动安全性。现阶段量产方案以驾驶舱内置 ToF / 深度摄像头为主，识别 5–10 种固定手势（调音量、切曲目、接挂电话等）。研究层面已拓展至多模态融合（手势 + 视线 + 语音 + 驾驶员状态监测），以及后排乘客区域的全舱覆盖感知。
由于驾驶时手臂姿态受方向盘和座椅约束，手势识别模型需对有限可用动作空间进行特别优化。岚图与柔灵科技合作推出的肌电腕带是目前全球首例量产车载 sEMG 手势商业化案例，代表了从视觉感知向神经肌肉感知的技术迁移方向。
1.2.4.3 智能家居
智能家居场景的手势交互需求侧重于无感知化和环境感知：用户不希望为了控制家电而学习特定手势，而是希望系统能够感知自然动作意图。主流传感技术包括：WiFi CSI（信道状态信息，利用 WiFi 多径效应感知人体动作，无需专用硬件）、毫米波雷达（24 GHz / 77 GHz，分辨率高、穿墙能力强）和超声波感知。
相较于单设备交互，智能家居场景更关注多房间跨设备协同：手势发出的位置、面朝方向和目标设备的关联推断是核心难题。基于手势的智能家居控制研究还大量借鉴了老年辅助技术（AAL, Ambient Assisted Living）的数据集与评估框架。
1.2.4.4 消费电子
消费电子场景中手势交互的典型形态是微手势控制可穿戴设备（智能手表、无线耳机、智能戒指），以及非接触式医疗影像导航（手术室内外科医生控制 CT/MRI 影像）。前者对手势词典的简洁性要求极高（通常 3–6 种手势覆盖主要功能），后者则需要在无菌环境下实现高精度、低延迟的交互。
消费电子领域的技术创新方向包括：基于 PPG 传感器的微手势识别（复用心率模块）、主动声学感知（超声波发射 + 麦克风接收，Apple AirPods 的 Spatial Audio 声场计算即使用类似原理）、以及超薄柔性传感器阵列的皮肤贴合方案（目标是将手势传感集成进智能戒指或腕带）。
1.2.4.5 工业制造
工业场景对手势交互的需求源自危险环境操作和协作机器人（Cobot）指令下达两类核心需求。在危险环境（核电站、化工厂、高压电气柜）中，操作人员无法直接接触设备，通过手势实现远程精准操控具有不可替代的安全价值。在人机协作场景中，工人可通过手势实时调整机械臂运动路径，避免繁琐的示教编程。
工业场景的特殊挑战在于：操作人员通常佩戴厚重手套，摄像头方案受视觉遮挡和工业环境光照干扰严重，因此 sEMG 腕带（信号穿透手套）和数据手套（集成 IMU + 弯曲传感器）是更具竞争力的传感路线。力触觉反馈的集成使系统能够向操作者传递虚拟抓握的力觉感受，构建完整的远程操控闭环。