Применяя новый процесс производства, ученые Массачусетского технологического института создали «умный» текстиль, который плотно прилегает к телу и может чувствовать позу и движения владельца.
Используя особый тип пластиковой нити и слегка расплавляя ее с помощью тепла – процесс называется термоформованием, – исследователи смогли значительно повысить точность датчиков давления, вплетенных в многослойный вязаный текстиль, который они назвали 3DKnITS.
Они использовали этот процесс для создания «умной» обуви и коврика, а затем создали аппаратно-программный комплекс для измерения и интерпретации данных с датчиков давления в режиме реального времени. Система машинного обучения предсказывала движения и позы йоги, выполняемые человеком, стоящим на «умном» текстильном коврике, с точностью около 99 процентов.
По словам Ирманди Викаксоно, научного сотрудника MIT Media Lab и ведущего автора статьи, посвященной 3DKnITS, процесс изготовления, использующий преимущества технологии цифрового вязания, позволяет быстро создавать прототипы и может быть легко масштабирован для крупномасштабного производства.
Эта технология может иметь множество применений, особенно в здравоохранении и реабилитации. Например, ее можно использовать для производства «умной» обуви, которая отслеживает походку человека, который учится ходить после травмы, или носков, которые контролируют давление на стопу больного диабетом, чтобы предотвратить образование язв.
«При цифровом вязании у вас есть возможность создавать собственные узоры, а также интегрировать датчики в саму структуру, чтобы она стала бесшовной и удобной, и вы можете разрабатывать ее в зависимости от формы вашего тела», – говорит Викаксоно.
«Некоторые из первых новаторских работ по созданию «умных» тканей были проведены в Media Lab в конце 90-х годов. С тех пор материалы, встраиваемая электроника и оборудование для производства тканей значительно усовершенствовались», – говорит Парадизо. «Сейчас самое подходящее время для возвращения наших исследований в эту область, например, в рамках таких проектов, как проект Ирманди – они указывают на захватывающее будущее, в котором ощущения и сенсорные функции будут более свободно распространяться в материалах и открывать огромные возможности».
Ноу-хау в области вязания
Для производства «умного» текстиля исследователи используют цифровую вязальную машину, которая сплетает слои ткани с рядами стандартной и функциональной пряжи. Многослойный вязаный текстиль состоит из двух слоев токопроводящей пряжи, расположенных вокруг пьезорезистивной пряжи, которая меняет свое сопротивление при сжатии. Следуя схеме, машина прошивает эту функциональную пряжу по всему текстилю горизонтальными и вертикальными рядами. Там, где функциональные волокна пересекаются, они создают датчик давления, объясняет Викаксоно.
Но пряжа мягкая и податливая, поэтому при движении пользователя слои смещаются и трутся друг о друга. Это создает шум и вызывает колебания, которые делают датчики давления гораздо менее точными.
Викаксоно придумал решение этой проблемы во время работы на трикотажной фабрике в Шэньчжэне, Китай, где он провел месяц, обучаясь программированию и обслуживанию цифровых вязальных машин. Он наблюдал за тем, как рабочие изготавливают кроссовки, используя термопластичные нити, которые начинают плавиться при нагревании выше 70 градусов Цельсия, что немного упрочняет текстиль, позволяя ему держать точную форму.
Он решил попробовать включить плавление волокон и термоформовку в процесс производства «умного» текстиля.
«Термоформовка действительно решает проблему шума, потому что она превращает многослойный текстиль в один слой, по сути, сжимая и расплавляя всю ткань вместе, что повышает точность. Термоформовка также позволяет нам создавать 3D-формы, например, носки или обувь, которые точно соответствуют размеру и форме пользователя», – говорит он.
После усовершенствования процесса изготовления Викаксоно понадобилась система для точной обработки данных датчика давления. Поскольку ткань вяжется в виде сетки, он разработал беспроводную схему, которая сканирует ряды и столбцы на ткани и измеряет сопротивление в каждой точке. Он разработал эту схему для преодоления артефактов, вызванных неоднозначностью «призраков», которые возникают, когда пользователь оказывает давление на две или более отдельных точек одновременно.
Вдохновленный методами глубокого обучения для классификации изображений, Викаксоно разработал систему, которая отображает данные датчика давления в виде тепловой карты. Эти изображения поступают в модель машинного обучения, которая обучается определять позу, положение или движение пользователя на основе изображения тепловой карты.
Анализ деятельности
После обучения модели она могла классифицировать активность пользователя на смарт-коврике (ходьба, бег, отжимания и т.д.) с 99,6% точностью и распознавать семь поз йоги с 98,7%.
Они также использовали кругловязальную машину для создания подогнанной по форме обуви из умного текстиля с 96 точками измерения давления, распределенными по всему 3D-текстилю. Они использовали эту обувь для измерения давления, оказываемого на различные части стопы при ударе по футбольному мячу.
Высокая точность 3DKnITS может сделать их полезными для применения в протезировании, где важна точность. По словам Викаксоно, «умный» текстильный вкладыш может измерять давление протеза конечности на гильзу, что позволяя протезисту легко определить, насколько хорошо сидит устройство.
Он и его коллеги также ищут более творческие применения. В сотрудничестве со звукорежиссером и современным танцором они разработали «умный» текстильный ковер, который воспроизводит музыкальные ноты и звуковые ландшафты в зависимости от шагов танцора, чтобы изучить двунаправленную связь между музыкой и хореографией. Это исследование было недавно представлено на конференции ACM Creativity and Cognition Conference.
«Я понял, что междисциплинарное сотрудничество может создавать действительно уникальные приложения», – говорит он.
Теперь, когда исследователи продемонстрировали успех своей технологии изготовления, Викаксоно планирует усовершенствовать схему и модель машинного обучения. В настоящее время модель должна быть откалибрована для каждого человека, прежде чем она сможет классифицировать действия, что является трудоемким процессом. Устранение этого этапа калибровки упростит использование 3DKnITS. Исследователи также хотят провести испытания умной обуви вне лаборатории, чтобы увидеть, как условия окружающей среды, такие как температура и влажность, влияют на точность датчиков.
«Всегда удивительно видеть, как технологии продвигаются вперед таким значимым образом. Невероятно думать, что одежда, которую мы носим, рукав или носок, может быть создана таким образом, что ее трехмерная структура может быть использована для сенсоров», – говорит Эрик Берксон, доцент кафедры ортопедической хирургии Гарвардской медицинской школы и хирург-ортопед спортивной медицины Массачусетской больницы общего профиля, который не принимал участия в этом исследовании. «В области медицины, и в частности в ортопедической спортивной медицине, эта технология дает возможность лучше обнаруживать и классифицировать движения и распознавать модели распределения силы в реальных (не лабораторных) ситуациях. Именно такое мышление позволит улучшить методы профилактики и выявления травм, а также поможет оценить и направить реабилитацию”.