Naudodami naują gamybos procesą MIT mokslininkai pagamino išmaniąją tekstilę, kuri priglunda prie kūno, todėl gali pajusti naudotojo laikyseną ir judesius.
Įterpdami specialios rūšies plastikinius siūlus ir naudodami karštį, kad juos šiek tiek išlydytų – šis procesas vadinamas termoformavimu – tyrėjai sugebėjo gerokai pagerinti slėgio jutiklių, įaustų į daugiasluoksnius megztus tekstilės gaminius, kuriuos jie pavadino 3DKnITS, tikslumą.
Šį procesą jie panaudojo kurdami „išmaniuosius” batus ir kilimėlį, o paskui sukūrė aparatinę ir programinę sistemą, skirtą slėgio jutiklių duomenims matuoti ir interpretuoti realiu laiku. Mašininio mokymosi sistema maždaug 99 proc. tikslumu prognozavo ant išmaniojo tekstilinio kilimėlio stovinčio asmens atliekamus judesius ir jogos pozas.
Jų gamybos procesas, kuriame panaudota skaitmeninio mezgimo technologija, leidžia greitai kurti prototipus ir gali būti lengvai padidintas, kad juos būtų galima gaminti dideliais kiekiais, sako Irmandy Wicaksono, MIT Medijų laboratorijos mokslinis asistentas ir pagrindinis straipsnio, kuriame pristatomas 3DKnITS, autorius.
Šis metodas galėtų būti plačiai taikomas, ypač sveikatos priežiūros ir reabilitacijos srityse. Pavyzdžiui, ją būtų galima naudoti gaminant išmaniuosius batus, kurie stebi žmogaus, besimokančio vaikščioti po traumos, eiseną, arba kojines, kurios stebi diabetiko pėdos spaudimą, kad nesusidarytų opos.
„Naudojant skaitmeninį mezgimą, galima laisvai kurti savo raštus ir integruoti jutiklius į pačią struktūrą, kad ji taptų vientisa ir patogi, be to, ją galima kurti pagal kūno formą”, – sako Wicaksono.
Straipsnį jis parašė kartu su MIT bakalauro studijų studentais Peteriu G. Hwangu, Samiru Droubi ir Allison N. Serio, dalyvaujančiais bakalauro studijų mokslinių tyrimų galimybių programoje, Franny Xi Wu, neseniai baigusia Wellesley koledžą, Wei Yan, Nanyango technologijų universiteto docentu, ir vyresniuoju autoriumi Josephu A. Paradiso, Aleksandro W. Dreyfooso profesoriumi ir Žiniasklaidos laboratorijos reaguojančių aplinkų grupės direktoriumi. Tyrimai bus pristatyti IEEE Inžinerijos medicinoje ir biologijoje draugijos konferencijoje.
„Žiniasklaidos laboratorijoje 90 buvo atlikti pirmieji išmaniųjų audinių kūrimo darbai. Nuo to laiko medžiagos, įterpiama elektronika ir gamybos mašinos labai patobulėjo”, – sako Paradiso. „Dabar puikus metas matyti, kad mūsų tyrimai grįžta į šią sritį, pavyzdžiui, įgyvendinant tokius projektus kaip Irmandy – jie rodo įdomią ateitį, kai jutikliai ir funkcijos sklandžiau sklinda medžiagose ir atveria didžiules galimybes.”
Mezgimo žinios
Kad pagamintų išmaniąją tekstilę, tyrėjai naudoja skaitmeninę mezgimo mašiną, kuri audinių sluoksnius audžia standartinių ir funkcinių siūlų eilėmis. Daugiasluoksnę megztą tekstilę sudaro du laidžiųjų verpalų mezginio sluoksniai, apjuosti pjezorezistyviuoju mezginiu, kuris paspaudus keičia savo varžą. Pagal tam tikrą modelį mašina horizontaliai ir vertikaliai eilėmis susiuva šiuos funkcinius siūlus per visą tekstilę. Ten, kur funkciniai pluoštai susikerta, jie sukuria slėgio jutiklį, aiškina Wicaksono.
Tačiau siūlai yra minkšti ir lankstūs, todėl sluoksniai keičiasi ir trinasi vienas į kitą, kai vartotojas juda. Tai sukelia triukšmą ir kintamumą, todėl slėgio jutikliai tampa daug mažiau tikslūs.
Wicaksono sugalvojo išspręsti šią problemą dirbdamas Šenženo (Kinija) mezgimo fabrike, kur mėnesį mokėsi programuoti ir prižiūrėti skaitmenines mezgimo mašinas. Jis stebėjo, kaip darbininkai, gaminantys sportbačius, naudoja termoplastinius siūlus, kurie įkaitę daugiau nei 70 laipsnių Celsijaus temperatūroje pradeda lydytis, o tai šiek tiek sukietina tekstilę, kad ji galėtų išlaikyti tikslią formą.
Jis nusprendė pabandyti į išmaniosios tekstilės gamybos procesą įtraukti pluoštų lydymą ir termoformavimą.
„Termoformavimas iš tikrųjų išsprendžia triukšmo problemą, nes jis sukietina daugiasluoksnę tekstilę į vieną sluoksnį, iš esmės suspausdamas ir išlydydamas visą audinį, o tai pagerina tikslumą. Termoformavimas taip pat leidžia sukurti 3D formas, pavyzdžiui, kojines ar batus, kurie iš tikrųjų atitinka tikslų vartotojo dydį ir formą”, – sako jis.
Patobulinus gamybos procesą, Wicaksono reikėjo sistemos, kuri tiksliai apdorotų slėgio jutiklio duomenis. Kadangi audinys megztas kaip tinklelis, jis sukūrė belaidę grandinę, kuri nuskaito tekstilės eilutes ir stulpelius ir matuoja pasipriešinimą kiekviename taške. Šią grandinę jis sukūrė taip, kad įveiktų artefaktus, atsirandančius dėl dviprasmiškumo, kuris atsiranda, kai naudotojas vienu metu spaudžia du ar daugiau atskirų taškų.
Įkvėptas gilaus mokymosi metodų, skirtų vaizdų klasifikavimui, Wicaksono sukūrė sistemą, kuri slėgio jutiklio duomenis rodo kaip šilumos žemėlapį. Šie vaizdai perduodami mašininio mokymosi modeliui, kuris yra apmokytas nustatyti naudotojo laikyseną, pozą ar judesį pagal šilumos žemėlapio vaizdą.
Veiklos analizė
Kai modelis buvo apmokytas, jis galėjo klasifikuoti naudotojo veiklą ant išmaniojo kilimėlio (ėjimas, bėgimas, atsispaudimai ir pan.) su 99,6 proc. tikslumu ir galėjo atpažinti septynias jogos pozas su 98,7 proc. tikslumu.
Jie taip pat naudojo žiedinio mezgimo mašiną, kad sukurtų prie formos prigludusį išmanųjį tekstilinį batą su 96 slėgio jutimo taškais, išsidėsčiusiais visoje 3D tekstilėje. Šį batą jie naudojo matuodami spaudimą, patiriamą įvairiose pėdos dalyse, kai jo naudotojas spardė futbolo kamuolį.
Dėl didelio 3D mezginių tikslumo jie galėtų būti naudingi protezavimo srityje, kur labai svarbus tikslumas. Išmanusis tekstilinis įdėklas galėtų matuoti galūnės protezo spaudimą į lizdą, kad protezuotojas galėtų lengvai nustatyti, kaip gerai prietaisas tinka, sako Wicaksono
Jis ir jo kolegos taip pat tiria kūrybiškesnes taikymo sritis. Bendradarbiaudami su garso dizaineriu ir šiuolaikinio šokio šokėju, jie sukūrė išmanųjį tekstilinį kilimą, kuris pagal šokėjo žingsnius skleidžia muzikines natas ir garsus, kad ištirtų dvikryptį muzikos ir choreografijos ryšį. Šis tyrimas neseniai buvo pristatytas ACM kūrybiškumo ir pažinimo konferencijoje
. „Išmokau, kad tarpdisciplininis bendradarbiavimas gali sukurti tikrai unikalių taikomųjų programų”, – sako jis. „Dabar, kai tyrėjai įrodė, kad jų gamybos metodas yra sėkmingas, Wicaksono planuoja patobulinti grandinę ir mašininio mokymosi modelį. Šiuo metu modelį reikia sukalibruoti kiekvienam asmeniui, kad jis galėtų klasifikuoti veiksmus, o tai yra daug laiko reikalaujantis procesas. Panaikinus šį kalibravimo etapą, 3DKnITS būtų lengviau naudoti. Mokslininkai taip pat nori atlikti išmaniųjų batų bandymus už laboratorijos ribų, kad išsiaiškintų, kokią įtaką jutiklių tikslumui turi aplinkos sąlygos, pavyzdžiui, temperatūra ir drėgmė.
„Visada nuostabu matyti, kad technologijos tobulėja taip prasmingai. Neįtikėtina pagalvoti, kad drabužiai, kuriuos dėvime – rankos rankovė ar kojinė – gali būti sukurti taip, kad jų trimatę struktūrą būtų galima panaudoti jutikliams”, – sako Harvardo medicinos mokyklos ortopedijos chirurgijos docentas ir Masačusetso ligoninės sporto medicinos ortopedas Erikas Berksonas (Eric Berkson), kuris šiame tyrime nedalyvavo. „Medicinos srityje ir konkrečiai sporto ortopedijos srityje ši technologija suteikia galimybę geriau nustatyti ir klasifikuoti judesius bei atpažinti jėgos pasiskirstymo modelius realiose (ne laboratorinėse) situacijose. Būtent toks mąstymas padės patobulinti traumų prevencijos ir aptikimo metodus bei įvertinti ir nukreipti reabilitaciją.”
Šį tyrimą iš dalies rėmė MIT Media Lab konsorciumas
