项目计划通过五条分别位于五指的曲率传感器和三轴加速度计与陀螺仪配合，识别手的姿态与动作。通过FPGA的快速分析能力完成识别，并产生相应编码的PWM波。再通过在所需要控制的物体上建立一个解码的系统，即可通过PWM波控制你所希望控制的其他物体。
项目中我们实际完成了曲率传感器的部分，并控制了一台小车的行走。

我们制作的是一款服务于上肢功能性障碍患者以及其他有需要的人群进行上肢康复训练的设备。
该作品的使用主要分为两个阶段：在康复前期，由于被康复者肢体肌肉力量薄弱，难以依靠自身力量进行复健，因此将肢体功能障碍者需要复健的手臂固定在人形机器人上，在医师穿戴装有九轴传感的可穿戴设备进行标准动作示范后，九轴传感将捕获的姿态信息通过FPGA进行姿态解算后，发送到虚拟仪器界面，并控制实体机器人同步运动，从而带动被康复者进行康复训练。
康复后期以患者自身穿戴动作捕捉设备进行康复，将惯性动捕设备戴在康复患者的肢体上，在患者可自我进行康复训练，可穿戴动作捕捉系统可将患者的动作节点数据发送到labview康复界面，对比完全健康动作判断患者的康复程度，并让患者对训练动作进行及时调整，最终实现完全康复。

本项目着重于深度学习与机器人的结合应用，设计在复杂环境下智能探测、识别的自主探测机器人，利用PYNQ实现BNN二值神经网络，将物体识别深度模型移植到嵌入式终端应用，并且设计了轮腿式复合运动方式，提高探测机器人的运动能力。