Nick Zetta 以其不拘一格的工程項目而聞名，最近更是推出了專為提升 Aimlabs 這款流行訓練程式的瞄準能力而設計的機械外骨骼。這個裝置結合了人工智能視覺、電動馬達和 3D 打印部件，旨在物理上引導使用者的手腕和手指。Zetta 在 Aimlabs 的得分一度被卡在 135,000，他因此開始思考是否可以透過機械技術來進一步提升自己的表現。這個設計包含了一個電動手腕輔助器、一個電磁“手指點擊外骨骼”，以及一套用於目標檢測的人工智能視覺系統。
然而，最初的測試並不順利。早期的測試結果顯示準確度下降了 20%，因為 Zetta 難以讓系統控制他的動作。隨著他逐漸適應，最終他錄得了比自己最佳成績高出 3% 的小幅增長。接下來，他開始優化硬件，利用 Nvidia Jetson 開發板驅動自定義的 YOLO 計算機視覺模型，將延遲從 50 毫秒降低至僅 17 毫秒，幾乎實現了即時反應。他提高了馬達電壓，使系統更強大，能在阻力下引導手臂的運動。結果迅速改善，一次測試顯示增幅達 12%，隨後是 28%、43% 和最終的 63%。這使 Zetta 在 Aimlabs 的全球排行榜上名列第二。
這款外骨骼的運作原理相對簡單，裝置通過 3D 打印的鉸鏈固定在前臂上。凱夫拉線和萬向節馬達控制手腕，而電磁裝置則負責手指的點擊。高速度的全球快門攝像頭將數據回饋給人工智能系統，計算機識別目標並實時指示馬達調整手和手腕的動作。這套系統如同一個物理的瞄準輔助工具，與傳統的作弊手段不同，它改變了現實世界的手臂動作。競技測試顯示了該系統的精確度，能夠快速鎖定目標並提供穩定的瞄準輔助。這個項目在某種程度上模糊了人類技能與機械修正之間的界限。
Zetta 也承認這項技術的學習曲線。他需要放鬆手腕，讓馬達控制動作。一旦適應了，外骨骼便能如預期般運作。這個項目也引發了對遊戲公平性的討論。不同的玩家對於瞄準輔助和遊戲內作弊的看法各異，但大多數人傾向於維持競技遊戲的公平性。自 1990 年代以來，瞄準輔助工具一直是個問題，但開發商透過軟件工具來抵抗它們。相比之下，物理輔助裝置則更難被檢測到。在視頻中，Zetta 將這項建設形容為“反作弊者的眼睛替代外骨骼”，雖然這是以幽默的方式呈現，但該項目顯示出其嚴肅的工程潛力。
未來，他暗示如果將這個系統與一些神經肌肉元素結合，可能會產生更佳的效果。雖然他並未詳細說明，但這個想法為比單純的瞄準輔助提供了更雄心勃勃的可能性。當前，這款外骨骼仍然是一個喜劇性的展示，同時也是一個引人注目的概念證明。它證明了結合機器人技術、人工智能和機械設計可以將人類反應速度推向超越自然極限的新高度。
