Naudodami naują gamybos procesą, MIT mokslininkai pagamino išmaniąją tekstilę, kuri puikiai priglunda prie kūno, todėl gali pajusti dėvėtojo laikyseną ir judesius.
Įtraukus specialios rūšies plastikinius siūlus ir Naudodami šilumą, kad jį šiek tiek ištirpdytų (procesas, vadinamas terminiu formavimu), mokslininkai sugebėjo žymiai pagerinti slėgio jutiklių, įaustų į daugiasluoksnę megztą tekstilę, kurį jie vadina 3DKnITS, tikslumą.
Jie naudojo šį procesą kurdami „išmanųjį“ batą ir kilimėlį, o tada sukūrė aparatinę ir programinę sistemą, skirtą išmatuoti ir interpretuoti duomenis iš slėgio jutiklių realiuoju laiku. Mašininio mokymosi sistema maždaug 98 procentų tikslumu numatė judesius ir jogos pozas, atliekamus ant išmaniojo tekstilės kilimėlio stovinčio asmens.
Jų gamybos procesas, kuris pasinaudoja skaitmeninio mezgimo technologija, leidžia greitai sukurti prototipus ir gali būti lengvai išplėsta, kad būtų galima gaminti didelius kiekius, sako Irmandy Wicaksono, MIT Media Lab tyrimų asistentas ir pagrindinis 3DKnITS pristatančio straipsnio autorius.
Ši technika gali būti pritaikyta daugybei, ypač sveikatos priežiūros ir reabilitacijos srityse. Pavyzdžiui, jis gali būti naudojamas gaminant išmaniuosius batus, kurie seka žmogaus, kuris vėl mokosi vaikščioti po traumos, eiseną, arba kojinėms, kurios stebi spaudimą diabetu sergančio paciento pėdai, kad nesusidarytų opos.
„Naudodami skaitmeninį mezgimą turite laisvę kurti savo raštus ir integruoti jutiklius pačioje konstrukcijoje, todėl jis tampa vientisas ir patogus, o jį galite kurti pagal savo kūno formą“, – sako Wicaksono.
Jis parašė darbą su MIT bakalauro studentais Peteriu G. Hwangu, Samiru Droubi ir Allison N. Serio, naudodamasis bakalauro studijų galimybių programa; Franny Xi Wu, neseniai baigusi Wellesley koledžą; Wei Yan, Nanyang technologijos universiteto docentas; ir vyresnysis autorius Josephas A. Paradiso, Alexanderis W. Dreyfoosas, profesorius ir „Media Lab“ reaguojančios aplinkos grupės direktorius. Tyrimas bus pristatytas IEEE medicinos inžinerijos ir biologijos draugijos konferencijoje.
„Kai kurie ankstyvieji novatoriški darbai, susiję su išmaniaisiais audiniais, buvo atlikti Media Lab vėlyvą „ s. Nuo to laiko medžiagos, įterpiama elektronika ir gamybos mašinos labai patobulėjo“, – sako Paradiso. „Puikus metas matyti, kad mūsų tyrimai grįžta į šią sritį, pavyzdžiui, per tokius projektus kaip Irmandy – jie rodo įdomią ateitį, kai jutimas ir funkcijos sklandžiau pasklinda medžiagose ir atveria milžiniškas galimybes.“
Mezgimo praktinė patirtis
Siekdami gaminti išmaniąją tekstilę, mokslininkai naudoja skaitmeninę mezgimo mašiną, kuri audžia kartu audinys su eilėmis standartinių ir funkcinių verpalų. Daugiasluoksnė megzta tekstilė sudaryta iš dviejų sluoksnių laidžių verpalų, surištų aplink pjezorezistinį mezginį, kuris suspaudus keičia savo atsparumą. Pagal šabloną mašina šiuos funkcinius siūlus susiuva per visą tekstilės gaminį horizontaliomis ir vertikaliomis eilėmis. Vietoje, kur funkciniai pluoštai susikerta, jie sukuria slėgio jutiklį, aiškina Wicaksono.
Tačiau siūlai yra minkšti ir lankstūs, todėl sluoksniai pasislenka ir trinasi vienas į kitą, kai naudotojas juda. Tai sukuria triukšmą ir kintamumą, dėl kurio slėgio jutikliai tampa daug mažiau tikslūs.
Wicaksono sugalvojo šios problemos sprendimą dirbdamas mezgimo fabrike Šendžene, Kinijoje, kur mokėsi mėnesį. programuoti ir prižiūrėti skaitmenines mezgimo mašinas. Jis stebėjo darbuotojus, gaminančius sportbačius iš termoplastinių verpalų, kurie pradėtų lydytis kaitinant aukštesnėje nei 70 Celsijaus laipsnių temperatūroje, o tai šiek tiek sukietina tekstilę, todėl ji gali išlaikyti tikslią formą.
Jis nusprendė pabandyti į išmaniosios tekstilės gamybos procesą įtraukti lydymosi pluoštus ir termoformavimą.
„Šiluminis formavimas tikrai išsprendžia triukšmo problemą, nes daugiasluoksnė tekstilė sukietėja į vieną sluoksnį iš esmės suspaudžiant ir suspaudžiant. lydantis visą audinį kartu, o tai pagerina tikslumą. Šis termoformavimas taip pat leidžia mums sukurti 3D formas, pvz., kojines ar batus, kurios iš tikrųjų atitiktų tikslų vartotojo dydį ir formą“, – sako jis.
Ištobulinus gamybos procesą, Wicaksono reikėjo sistema, skirta tiksliai apdoroti slėgio jutiklio duomenis. Kadangi audinys yra megztas kaip tinklelis, jis sukūrė belaidę grandinę, kuri nuskaito tekstilės eilutes ir stulpelius ir matuoja atsparumą kiekviename taške. Jis sukūrė šią grandinę, kad pašalintų artefaktus, atsirandančius dėl „paveikslėlių“ dviprasmybių, atsirandančių, kai vartotojas vienu metu daro spaudimą dviem ar daugiau atskirų taškų.
Įkvėptas gilaus mokymosi vaizdų klasifikavimo metodų, Wicaksono sukūrė. sistema, kuri rodo slėgio jutiklio duomenis kaip šilumos žemėlapį. Tie vaizdai pateikiami mašininio mokymosi modeliui, kuris yra išmokytas aptikti vartotojo laikyseną, pozą ar judesį pagal šilumos žemėlapio vaizdą.
Analizuojama. veikla
Kai modelis buvo išmokytas, jis gali klasifikuoti naudotojo veiklą ant išmaniojo kilimėlio (vaikščiojimą, bėgimą, atsispaudimus ir kt.) su . sukurti išmanųjį tekstilės batą su 96 slėgio jutimo taškais, pasklidusiais visoje 3D tekstilėje. Jie naudojo batus, kad išmatuotų spaudimą, daromą įvairiose pėdos dalyse, kai dėvėtojas spardė futbolo kamuolį.
Dėl didelio 3DKnITS tikslumo jie gali būti naudingi protezuojant, kai tikslumas yra būtinas. Wicaksono sako, kad išmanusis tekstilės įdėklas galėtų išmatuoti protezuotos galūnės daromą spaudimą ant lizdo, todėl protezuotojas galėtų lengvai pamatyti, kaip gerai tinka prietaisas.
Jis ir jo kolegos taip pat ieško kūrybiškesnių pritaikymų. . Bendradarbiaudami su garso dizaineriu ir šiuolaikiniu šokėju, jie sukūrė išmanųjį tekstilinį kilimą, kuris pagal šokėjo žingsnius sukuria muzikines natas ir garso peizažus, kad ištirtų dvikryptį muzikos ir choreografijos ryšį. Šis tyrimas neseniai buvo pristatytas ACM kūrybiškumo ir pažinimo konferencijoje.
„Sužinojau, kad tarpdisciplininis bendradarbiavimas gali sukurti tikrai unikalių programų“, – sako jis.
Dabar, kai mokslininkai įrodė savo gamybos technikos sėkmę, Wicaksono planuoja patobulinti grandinės ir mašininio mokymosi modelį. Šiuo metu modelis turi būti sukalibruotas pagal kiekvieną asmenį, kad būtų galima klasifikuoti veiksmus, o tai užima daug laiko. Pašalinus šį kalibravimo žingsnį, 3DKnITS būtų lengviau naudoti. Tyrėjai taip pat nori atlikti išmaniųjų batų bandymus ne laboratorijoje, kad pamatytų, kaip aplinkos sąlygos, pvz., temperatūra ir drėgmė, veikia jutiklių tikslumą.
„Visada nuostabu matyti technologijų pažangą tokiais būdais. reikšmingas. Neįtikėtina pagalvoti, kad drabužiai, kuriuos dėvime, rankovės ar kojinės, gali būti sukurti taip, kad jų trimatė struktūra galėtų būti naudojama jutimui“, – sako Ericas Berksonas, Harvardo medicinos mokyklos ortopedinės chirurgijos docentas. sporto medicinos ortopedas chirurgas Masačusetso bendrojoje ligoninėje, kuris nedalyvavo šiame tyrime. „Medicinos srityje ir konkrečiai ortopedinėje sporto medicinoje ši technologija suteikia galimybę geriau aptikti ir klasifikuoti judesius bei atpažinti jėgos pasiskirstymo modelius realiose (ne laboratorijos) situacijose. Tai toks mąstymas, kuris pagerins traumų prevencijos ir aptikimo būdus bei padės įvertinti ir nukreipti reabilitaciją.“
Šį tyrimą iš dalies palaikė MIT Media Lab Consortium.
)
