环球观热点：全新出炉！麻省理工学院开发出了一种能够感知用户运动方式的智能织物

利用一种新颖的制造工艺，麻省理工学院的研究人员已经开发出了一种舒适、合身的智能面料，这种纺织品可以紧贴人体，因此它们可以感知穿着者的姿势和动作，如行走、跑步和跳跃。

通过加入一种特殊类型的塑料纱线，并使用热量稍微熔化它——这一过程被称为热成型——研究人员能够大大提高织入多层针织纺织品的压力传感器的精度，他们称之为3DKnITS。　　他们利用这一过程创造了一种“智能”鞋和垫子，然后建立了一个硬件和软件系统，以实时测量和解释来自压力传感器的数据。机器学习系统预测了一个人站在智能纺织垫上的动作和瑜伽姿势，准确率约为99%。　　麻省理工学院媒体实验室的研究助理、3DKnITS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，能够快速成型，并可以很容易地扩大规模进行大规模制造。　　这项技术可以有很多应用，特别是在医疗保健和康复方面。例如，它可以用来生产智能鞋，可以跟踪受伤后重新学习走路的人的步态，或者可以用来监控糖尿病患者脚上的压力以防止溃疡形成的袜子。

【资料图】

“使用数字针织，你可以自由设计自己的图案，还可以在结构本身中集成传感器，因此它变得无缝和舒适，你可以根据你的身体形状来开发它，”Wicaksono说。　　他与麻省理工学院本科生Peter G. Hwang、Samir Droubi和Allison N. Serio通过本科生研究机会项目共同撰写了这篇论文；Franny Xi Wu，韦尔斯利学院的应届毕业生；Wei Yan，南洋理工大学助理教授；资深作家Joseph A. Paradiso，亚历山大·w·德雷福斯教授兼媒体实验室反应环境小组主任。这项研究将在IEEE医学工程和生物学会会议上发表。

“90年代末，媒体实验室对智能面料进行了一些开创性的研究。帕拉迪索说:“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。看到我们的研究回归这一领域是一个很好的时机，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，在这个未来，传感和功能将更加流畅地扩散到材料中，并开辟了巨大的可能性。"

针织技术

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一排排标准和功能性纱线编织在一起。多层针织织物由夹在压阻针织物周围的两层导电纱线针织物组成，压阻针织物在受到挤压时会改变其电阻。按照一种模式，机器将这种功能性纱线以水平和垂直的方式缝合在整个织物上。Wicaksono解释说，在功能纤维交叉的地方，它们创造了一个压力传感器。

但是纱线柔软易弯，所以当穿着者移动时，这些层会移动并相互摩擦。这会产生噪声并导致可变性，从而使压力传感器的精确度大大降低。　　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办法，他在那里花了一个月的时间学习编程和维护数字针织机。他观察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，这种纱线会开始融化，这种纱线会稍微硬化织物，以便保持精确的形状。他决定尝试将熔融纤维和热成型技术融入智能纺织品制造流程。

“热成型真正解决了噪音问题，因为它通过挤压和熔化整个织物，将多层织物硬化为一层，从而提高了精确度。这种热成型技术还允许我们创造出3D形状，比如袜子或鞋子，它们实际上符合用户的精确尺寸和形状，”他说。

一旦他完善了制造过程，Wicaksono需要一个系统来精确处理压力传感器数据。由于织物编织成网格，他制作了一个无线电路，扫描织物上的行和列，并测量每个点的电阻。他设计了这种电路来克服由“重影”模糊性引起的伪像，当用户同时在两个或更多单独的点上施加压力时，就会出现这种情况。

受图像分类深度学习技术的启发，Wicaksono设计了一个将压力传感器数据显示为热图的系统。这些图像被输入到一个机器学习模型中，该模型被训练来根据热图图像检测用户的姿势、姿态或运动。分析活动

一旦模型经过训练，它就可以对用户在智能垫上的活动进行分类(走路、跑步、做俯卧撑等。)有99.6%的准确率，能以98.7%的准确率识别7个瑜伽姿势。

他们还使用圆形针织机创造了一种合身的智能纺织鞋，在整个3D纺织品上分布着96个压力传感点。他们用这种鞋来测量穿鞋者踢球时施加在脚上不同部位的压力。

3DKnITS的高精度可以使其在精度至关重要的修复应用中发挥作用。Wicaksono说，智能纺织衬垫可以测量假肢对承窝的压力，使假肢师能够很容易地看到设备是否合适。

他和他的同事也在探索更有创意的应用。他们与一名声音设计师和一名当代舞者合作，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声景，以探索音乐和编舞之间的双向关系。这项研究最近在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真正独特的应用，”他说。

现在，研究人员已经展示了他们制造技术的成功，Wicaksono计划完善电路和机器学习模型。目前，该模型必须针对每个人进行校准，然后才能对行动进行分类，这是一个耗时的过程。取消校准步骤将使3DKnITS更容易使用。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。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埃里克·伯克森没有参与这项研究，他说:“难以置信的是，我们穿的衣服，袖子或袜子，可以用其三维结构来感知。”“在医疗领域，特别是矫形运动医学领域，这项技术能够更好地检测和分类运动，并识别真实世界(实验室外)情况下的力分布模式。这种思维方式将提高伤害预防和检测技术，并有助于评估和指导康复。”　　这项研究得到了麻省理工学院媒体实验室联盟的部分支持。

关键词：