Nghiên cứu này tập trung vào việc phát triển mô hình Deep Learning nhằm ước lượng chính xác tư thế bàn tay ba chiều (3D) dựa trên dữ liệu thu thập từ cảm biến đeo trên người. Dữ liệu đầu vào bao gồm tín hiệu từ các cảm biến quán tính (IMU) hoặc cảm biến điện cơ (EMG) gắn trên cẳng tay và bàn tay. Các kiến trúc mạng nơ-ron sâu như mạng tích chập (CNN) và mạng hồi quy (LSTM) được đề xuất và thử nghiệm để trích xuất đặc trưng không gian-thời gian từ chuỗi tín hiệu cảm biến. Kết quả thực nghiệm cho thấy mô hình đề xuất có khả năng tái tạo chuyển động các khớp ngón tay và cổ tay với sai số thấp, vượt trội so với các phương pháp truyền thống. Nghiên cứu khẳng định tiềm năng ứng dụng của Deep Learning trong việc thay thế các hệ thống theo dõi tư thế bàn tay cồng kềnh, mở ra hướng đi mới cho các ứng dụng thực tế ảo, điều khiển robot từ xa và phục hồi chức năng.