智能纺织品传感器感知用户的移动方式
麻省理工学院的研究人员使用一种新颖的制造工艺，生产出贴合身体的智能纺织品，因此它们可以感知穿着者的姿势和动作。来源：Irmandy Wicaksono
麻省理工学院的研究人员使用一种新颖的制造工艺，生产出贴合身体的智能纺织品，因此它们可以感知穿着者的姿势和动作。
通过加入一种特殊类型的塑料纱线并使用热量将其轻微熔化——这一过程称为热成型——研究人员能够大大提高编织到多层针织纺织品中的压力传感器的精度，他们称之为 3DKnITS。
他们利用这个过程创建了一个“智能”鞋和垫子，然后构建了一个硬件和软件系统来实时测量和解释来自压力传感器的数据。机器学习系统以大约 99% 的准确率预测站在智能纺织垫上的个人所执行的动作和瑜伽姿势。
麻省理工学院媒体实验室的研究助理、一篇介绍 3DKnITS 的论文的主要作者 Irmandy Wicaksono 说，他们的制造过程利用了数字针织技术，可以实现快速原型制作，并且可以轻松扩大规模以进行大规模制造。
该技术可以有许多应用，特别是在医疗保健和康复方面。例如，它可以用来生产跟踪受伤后重新学习走路的人的步态的智能鞋，或监测糖尿病患者足部压力以防止形成溃疡的袜子。
“通过数字针织，您可以自由设计自己的图案，并将传感器集成到结构本身中，因此它变得无缝且舒服，您可以根据自己的身体形状进行开发，”Wicaksono 说。
他通过本科生研究机会计划与麻省理工学院本科生 Peter G. Hwang、Samir Droubi 和 Allison N. Serio 一起撰写了这篇论文；刚从韦尔斯利学院毕业的吴曦；南洋理工大学助理教授魏燕；和作者 Joseph A. Paradiso，Alexander W. Dreyfoos 教授兼媒体实验室响应环境小组主任。该研究将在 IEEE 医学和生物学工程学会会议上发表。
“一些关于智能织物的早期开创性工作发生在 90 年代后期的媒体实验室。从那时起，材料、嵌入式电子设备和制造机器都取得了巨大的进步，”帕拉迪索说。“现在是看到我们的研究回到这一领域的好时机，例如通过像 Irmandy 这样的项目——他们指出了一个令人兴奋的未来，传感和功能更流畅地扩散到材料中，并开辟了巨大的可能性。”
为了生产智能纺织品，研究人员使用数字针织机将多层织物与成排的标准和功能性纱线编织在一起。多层针织纺织品由两层导电纱线编织而成，夹在压阻式针织物周围，挤压时会改变其电阻。按照图案，机器将这种功能性纱线按水平和垂直行缝合在整个纺织品中。Wicaksono 解释说，在功能性纤维相交的地方，它们形成了一个压力传感器。
但是纱线柔软而柔韧，因此当穿着者移动时，这些层会移动并相互摩擦。这会产生噪音并导致可变性，从而使压力传感器的准确性大大降低。
Wicaksono 在中国深圳的一家针织厂工作时想出了解决这个问题的方法，在那里他花了一个月的时间学习编程和维护数字针织机。他看到工人使用热塑性纱线制作运动鞋，当加热到 70 摄氏度以上时会开始熔化，这会使纺织品稍微变硬，因此可以保持准确的形状。
“热成型确实解决了噪音问题，因为它通过基本上将整个织物挤压和熔化在一起，将多层织物硬化成一层，从而提高了准确性。热成型还允许我们创建 3D 形式，如袜子或鞋子，实际上适合用户的准确尺寸和形状，”他说。
一旦完善了制造过程，Wicaksono 就需要一个系统来准确处理压力传感器数据。由于织物是像网格一样编织的，他制作了一个无线电路，可以扫描织物上的行和列，并测量每个点的电阻。他设计了这个电路来克服由“重影”模糊引起的伪影，当用户同时在两个或多个单独的点上施加压力时会发生这种情况。
受图像分类深度学习技术的启发，Wicaksono 设计了一个系统，将压力传感器数据显示为热图。这些图像被馈送到机器学习模型中，该模型经过训练以根据热图图像检测用户的姿势、姿势或运动。
一旦模型经过训练，它可以以 99.6% 的准确率对用户在智能垫上的活动（走路、跑步、做俯卧撑等）进行分类，并且可以以 98.7% 的准确率识别七种瑜伽姿势。
他们还使用圆形针织机制作了一款合身的智能纺织鞋，在整个 3D 纺织品上分布有 96 个压力感应点。当穿着者踢足球时，他们使用鞋子来测量施加在脚不同部位的压力。
3DKnITS 的高精度使其可用于假肢应用，其中精度至关重要。Wicaksono 说，智能纺织衬里可以测量假肢施加在插座上的压力，使假肢师能够轻松查看设备的贴合度。
他和他的同事也在探索更具创造性的应用。他们与声音设计师和当代舞者合作，开发了一种智能纺织地毯，可以根据舞者的脚步驱动音符和音景，以探索音乐和舞蹈之间的双向关系。这项研究近期在 ACM 创造力和认知会议上发表。
“我了解到跨学科合作可以创造一些非常独特的应用程序，”他说。
既然研究人员已经证明了他们的制造技术的成功，Wicaksono 计划改进电路和机器学习模型。目前，模型可以先针对每个人进行校准，然后才能对动作进行分类，这是一个耗时的过程。删除该校准步骤将使 3DKnITS 更易于使用。研究人员还希望在实验室外对智能鞋进行测试，以了解温度和湿度等环境条件如何影响传感器的准确性。
“看到技术以如此有意义的方式进步总是令人惊讶。想到我们穿的衣服，袖子或袜子，可以通过其三维结构用于传感的方式来创造，真是令人难以置信，埃里克·伯克森（Eric Berkson）说，他没有参与这项研究，他是哈佛医学院整形外科助理教授、麻省总医院运动医学整形外科医生。“在医疗领域，特别是在骨科运动医学中，该技术提供了更好地检测和分类运动以及识别现实世界（实验室外）情况下的力分布模式的能力。这种思维方式将增强伤害预防和检测技术，并有助于评估和指导康复。”
