HMDやAR/XRグラスでは、UI（ユーザーインターフェース）として期待されるのが、デバイスの前で手を動かすだけで操作する「ジェスチャ操作」です。
しかし、常に周囲を監視して手の動きを認識するとなると、別の問題が出てきます。
日常生活では、人は意図的なジェスチャ以外にも頻繁に手や体を動かします。これをデバイスが「操作」と勘違いすると、使いやすいどころかストレスの原因になってしまいます。
Googleが出願した今回の特許は、まさにこの問題の解決策です。レーダーで人の動きを捉え、機械学習でジェスチャを分類するだけではありません。AIが出した「この動きは右スワイプである確率」といった判断を、さらにジェスチャ・デバウンサー（Gesture Debouncer）で評価し、誤反応を抑えながら操作として確定します。
この記事では、Googleの公開特許 US 2026/0252179 A1について、その技術の仕組みについて特許図面を基にわかりやすく解説します。
（詳細な図面は、US2026/0252179A1 からご参照ください。）
特許の概要
特許番号：US 2026/0252179 A1
タイトル：Generating Radar-Based Gesture Detection Events In An Ambient Compute Environment
発明者：Eiji Hayashi、Jaime Lien、Nicholas Edward Gillian、Andrew C. Felch、Jin Yamanaka、Blake Charles Jacquot
出願人：Google LLC
出願日：2026/4/9
登録日：2026/8/27
特許の詳細については、US2026/0252179A1 を参照してください。
この特許は、レーダーと機械学習を使って、周囲にいるユーザーのジェスチャを常時認識しながら、ジェスチャ操作における誤操作をできるだけ起こさないようにする技術です。
Googleが想定しているのは「アンビエントコンピューティング」と呼ばれる考え方です。機器を操作すること自体にユーザーの注意を向けさせるのではなく、料理、掃除、運転、会話、読書など別の行動を続けながら、必要なときだけ自然にコンピューターへ指示できる状態を目指します。
まずレーダーシステム（102）が手などで反射した電波を受信し、そこから距離や動きに関する複素レーダーデータ（502）を生成します。機械学習モジュール（222）は、そのデータから「右スワイプ」「左スワイプ」「タップ」「背景動作」などの確率（504）を計算します。
しかし、機械学習モジュールが「右スワイプの確率80％」と判断したからといって、直ちに操作を行うわけではありません。ジェスチャ・デバウンサー（224）が確率を監視し、所定のしきい値を超えたか、必要に応じて複数の連続フレームで条件を満たしたかなどを確認して、初めて操作イベントを発生させます。
つまり、この特許では、レーダーを単なる「手の動きを測るセンサー」として扱うのではなく、AIと誤検出抑制ロジックを組み合わせた、常時利用できる非接触入力インターフェースとして使われています。
離れた場所から、触れずにデバイスを操作する
FIG.1-1 には、スマートデバイス（104）と、その内部のレーダーシステム（102）を使う5つの環境100-1～100-5 が描かれています。
環境100-1 では手を横方向に動かすスクロール、環境100-2 では手をデバイスへ近づける動作、環境100-3 では手を近づけて戻すタップ動作が示されています。
また、環境100-4 では、スマートデバイス（104）がバッグの中に入っていても、レーダーによって遮蔽されたジェスチャを検出する例が示されています。環境100-5 では、ジェスチャによってタイマーを開始したりアラームを停止したりする利用例が描かれています。
ジェスチャ操作では、デバイスの画面やボタンに触れずに操作するわけですが、この特許ではデバイスから少し離れた場所（約0.3～2m）からの操作が技術的な対象になっています。
（正確な図面は、US2026/0252179A1 をご参照ください。）
アンビエントコンピューティングを実行する構成例
FIG.5 は、入力として複数の受信チャネル（410-1～410-M）があり、そこからデジタルビート信号（428-1～428-M）が出力されます。そのデータはハードウェア抽象化モジュール（220）へ入り、機械学習で扱いやすい複素レーダーデータ（502-1～502-M）へ変換されます。
続いて、アンビエントコンピューティング用の機械学習モジュール（222）がデータを解析し、複数のジェスチャについて確率（504）を出力します。そしてジェスチャ・デバウンサ（224）がその確率を評価し、ジェスチャとして認められた場合には、アンビエントコンピューティングイベント（506）がコンピュータプロセッサ（202）へ送られます。
流れを簡単にすると、
となります。
つまり、複素レーダーデータを機械学習へ入力し、ジェスチャごとの確率を求める構成になっています。
また、ハードウェア抽象化モジュール（220）は、異なるレーダー方式やアンテナ構成から得られたデータを、機械学習モデルが扱いやすい形へ整える役割を持っています。これは、同じ認識技術を異なるデバイス構成へ展開しやすくするための重要な設計といえます。
（正確な図面は、US2026/0252179A1 をご参照ください。）
AIは「一瞬」ではなく「動きの流れ」を見る
FIG.7-1は、アンビエントコンピューティング機械学習モジュール（222）とジェスチャーデバウンサー（224）の例を示す機械学習部分の内部構造示されています。
アンビエントコンピューティング機械学習モジュール（222）は、フレームモデル（702）と時間モデル（704）の2段階に分かれています。
フレームモデル（702）は、それぞれの時間断面に相当する複素レーダーデータ（502-1～502-M）を処理し、フレームサマリー（706-1～706-J）へ圧縮します。その後、時間モデル（704）が複数のフレームサマリーをまとめて解析し、ジェスチャクラス（710）と背景クラス（712）を含むクラス（708）の確率（504）を計算します。
この2段階構成には意味があります。
例えば「手が右側にある」という一瞬の状態だけを見ても、それが右スワイプなのか、単に手を置いただけなのかは判断できません。ところが「左から中央へ、中央から右へ」という時間的な変化まで見れば、スワイプとして判断しやすくなります。
つまり、このシステムは連続し、あらかじめ区切られていない時間の中からジェスチャを認識するよう設計されています。
つまりFIG.7-1が示しているのは、AIが一枚のレーダー画像を分類するのではなく、時間とともに変化する手の動きを読み続ける仕組みです。
（正確な図面は、US2026/0252179A1 をご参照ください。）
ジェスチャーデバウンサーが誤動作を抑えるしくみ
FIG.7-2は、時間とともに変化する3つの確率（504-1～504-3）と、第1しきい値（714）、第2しきい値（716）が描かれています。
ジェスチャーフレーム（316-1、316-2）では確率が低いものの、ジェスチャーフレーム（316-3）になると確率（504-2）が第1しきい値（714）を超えます。ところが、実施例では一度しきい値を超えただけで必ず操作する必要はなく、複数の連続フレームで第1しきい値（714）を超えた場合に操作イベントを発生させることができます。
これは、たまたま手を動かした瞬間だけAIの確率が高くなった場合に、誤って操作が実行されることを防ぐ仕組みです。
さらに一度ジェスチャーを検出した後は、ジェスチャー確率が第2しきい値（716）より低くなるまで、次のジェスチャー認識を抑えることもできます。
例えば、ユーザーが一度だけ手を振ったのに、その後の戻し動作まで別の操作と認識されてしまえば、「1回スキップしたつもりなのに2曲飛んだ」といったことが起こり得ます。この第2しきい値は、そのような連続誤認識を防ぐためのリセット条件のように働きます。
ここには重要なトレードオフもあります。第1しきい値を高くすると誤検出は減る一方、応答性や検出率が低下します。逆に第1しきい値を低くすると応答性や検出率は上げられるものの誤検出が増え得ることが、特許では説明されています。
（正確な図面は、US2026/0252179A1 をご参照ください。）
その他の図面
（図面は、US2026/0252179A1 をご参照ください。）
FIG.1-2：スワイプの種類
スマートデバイス（104）に対する右スワイプ（112）、左スワイプ（114）、上スワイプ（118）、下スワイプ（120）、全方位スワイプ（124）などを示します。
FIG.1-3：タップを空中で行う
開始位置（136）から中間位置（140）へ手を近づけ、終了位置（146）へ戻す動作です。「画面に触れるタップ」ではなく、レーダーから見た往復運動としてタップを表現しています。
FIG.2：レーダーを搭載できる機器の範囲
スマートフォンだけでなく、PC、タブレット、テレビ、スマートウォッチ、メガネ、ゲーム機、家電、車両などに適用するレーダーシステム（102）の構成を示しています。
FIG.3-1：手の動きをレーダーで測る基本原理
レーダー送信信号（306）を物体（302）へ照射し、反射した受信信号（308）から距離やドップラー成分を取得する仕組みです。
FIG.3-2：常時動作と省電力を両立するフレーム構造
ジェスチャフレーム（316）、特徴フレーム（318）、レーダーフレーム（324）を階層化し、休止時間を設けながらレーダーを動かします。
FIG.4：レーダー送受信回路
送信機（402）、受信機（404）、送信アンテナ（420）、複数の受信アンテナ（422-1～422-M）など、レーダー信号を実際に生成・受信する回路構成です。
FIG.6-1／FIG.6-2：AIへ渡すデータを作る
1D FFT（606）や2D FFT（610）によってビート信号を処理し、距離ビン（616）とドップラービン（618）からなるレンジ・ドップラーマップ（620）を生成します。
FIG.8-1／FIG.8-2／FIG.8-3：第1の機械学習モデル
畳み込み、残差ブロック、LSTM（842）などを使い、フレーム情報を時間方向へつなげてジェスチャ確率を計算します。
FIG.9-1／FIG.9-2／FIG.9-3：より計算量を意識した別のモデル
分割可能な残差ブロック（902）などを採用し、標準的な畳み込みより計算コストを抑える構成です。
FIG.10-1～FIG.12：AIをどう学習させるか
正例（1004）・負例（1008）の収集、ジェスチャ区間の抽出、振幅スケーリング（1102）やランダム位相回転（1104）によるデータ拡張、教師あり学習、ハイパーパラメータ調整、テストまでが示されています。 FIG.10-2では、ジェスチャ動画の提示（1012）から実演指示（1014）、ラベル付け、学習・開発・テストデータへの分割（1024）までが具体化されています。
FIG.13／FIG.14：認識処理をフローとして整理
FIG.13はレーダー送信からフレームサマリー生成、時間方向の結合、確率生成、ジェスチャ判定までを示します。FIG.14はそれをさらに請求項に近い形に整理し、最高確率のジェスチャ選択と第1しきい値との比較を中心に示しています。
FIG.15：精度だけでなく誤検出率も評価する
あらかじめ切り出されたジェスチャの分類性能（1504）と、連続データでの誤検出率（1506）という2段階でモデルを評価し、モデルや学習条件を調整（1508）します。
FIG.16：一般的なコンピューティングシステムへの実装
コンピューティングシステム（1600）のプロセッサ（1610）や記憶媒体などに、機械学習モジュール（222）、ジェスチャ・デバウンサ（224）、レーダーシステム（102）を組み込む構成を示します。
考察
ジェスチャ認識で難しいのは、日常生活では、髪を触る、物を取る、立ち上がる、隣の人が動く、といった操作とは無関係な動作が絶えず発生し、誤動作を誘発するからです。
アンビエント操作を実用化するなら、「認識率90％」という数字以上に、何も指示していないときに勝手に動かないことが重要になります。
その意味で、ジェスチャ・デバウンサーは非常に製品志向の仕組みです。AIが出した確率をそのまま操作へ変換せず、「十分に確からしい状態が続いたか」「前の操作が終わった状態に戻ったか」を確認しています。これはキーボードのチャタリング防止に似た発想を、機械学習によるジェスチャ認識へ持ち込んだものと見ることもできます。
ジェスチャー・デバウンサーでは、しきい値を高くしすぎれば反応が鈍くなり、低くしすぎれば誤反応が増えます。さらに、人によって手の大きさやジェスチャ速度、機器との距離も異なります。
この特許では、学習データの収集方法や、連続した実環境データでの擬陽性評価まで詳細に記載されており、こうした問題への解決が実用化の鍵になると考えられます。
FIG.2ではスマートフォン、スマートウォッチ、スマートグラス、テレビ、家電、自動車など幅広い機器が例示されています。したがって技術的には、レーダージェスチャを特定の一製品の機能ではなく、複数デバイスへ展開可能な共通のアンビエント入力技術として考えている可能性があります。
（上記は筆者の個人的な意見です。）
まとめ
- 従来の画面タッチ中心の操作に対し、レーダーを使って離れた場所から非接触で操作するアンビエントインターフェースを想定しています。
- 機械学習はレーダーデータから複数のジェスチャ確率を求め、空間的な特徴だけでなく時間的な動きの流れも解析します。
- ジェスチャ・デバウンサーは、第1しきい値や第2しきい値を使い、日常動作をジェスチャと誤認する擬陽性を抑えています。
最後までお読みいただきありがとうございました。
※企業の特許は、製品になるものも、ならないものも、どちらも出願されます。今回紹介した特許が製品になるかどうか現時点では不明です。ご注意ください。
