Умные носки с 3DKnITS могут предотвратить проблемы у пациентов с диабетом

Исследователи из Массачусетского технологического института значительно повысили точность датчиков давления, вплетенных в многослойные вязаные ткани, которые они называют 3DKnITS, с помощью нового процесса термоформования.

Они использовали этот процесс для создания умной обуви и коврика, а также построили аппаратно-программную систему для измерения и интерпретации данных с датчиков давления в режиме реального времени. Система машинного обучения предсказала движения и позы йоги, выполняемые человеком, стоящим на коврике, с точностью 99%.

По словам Ирманди Викаксоно, научного сотрудника MIT Media Lab, процесс изготовления, в котором используется цифровая технология вязания, позволяет быстро создавать прототипы и может быть легко масштабирован для крупномасштабного производства.

«У этой техники может быть множество применений, особенно в здравоохранении и реабилитации», — сказал он. «Например, его можно использовать для производства «умной» обуви, которая отслеживает походку того, кто снова учится ходить после травмы, или носков, которые отслеживают давление на стопу больного диабетом, чтобы предотвратить образование язв.

«Благодаря цифровому вязанию у вас есть свобода создавать свои собственные узоры, а также интегрировать датчики в саму структуру, чтобы она была бесшовной и удобной, и вы могли разрабатывать ее на основе формы тела».

«В конце 90-х здесь были проведены первые новаторские работы над «умными» тканями, — добавил профессор Джозеф А. Парадизо из Медиа-лаборатории. «С тех пор материалы, встраиваемая электроника и производственные машины значительно продвинулись вперед. Это прекрасное время, чтобы увидеть, как наши исследования возвращаются в эту область, когда ощущения и функции более плавно проникают в материалы и открывают огромные возможности».

Цифровое вязание

Многослойный трикотаж состоит из двух слоев проводящей пряжи, зажатой вокруг пьезорезистивного слоя, который меняет свое сопротивление при сжатии. Следуя шаблону, машина прошивает эту функциональную пряжу по всему текстилю горизонтальными и вертикальными рядами. Там, где функциональные волокна пересекаются, они образуют датчик давления.

Многослойные трикотажные ткани состоят из двух слоев токопроводящих трикотажных нитей, вследствие пьезорезистивного материала, который изменяет свое сопротивление сжатию.
© Массачусетский технологический институт

Пряжа, однако, мягкая и податливая, поэтому слои смещаются и трутся друг о друга, когда пользователь двигается. Это создает шум и вызывает изменчивость, что делает датчики давления намного менее точными.

Викаксоно придумал решение этой проблемы, работая на трикотажной фабрике в Шэньчжэне, Китай, где он провел месяц, изучая программирование и обслуживание цифровых вязальных машин. Он наблюдал за тем, как рабочие изготавливают спортивную обувь с использованием термопластичных нитей, которые начинают плавиться при нагревании выше 70°C, что слегка затвердевает, чтобы ткань могла сохранять точную форму.

Он решил попробовать включить плавление волокон и термоформование в процесс производства «умного» текстиля.

«Термоформование действительно решает проблему шума, потому что оно затвердевает из многослойной ткани в один слой, по сути, сжимая и расплавляя всю ткань вместе, что повышает точность», — сказал он. «Это термоформование также позволяет нам создавать 3D-формы, такие как носок или обувь, которые точно соответствуют размеру и форме пользователя», — говорит он.

Как только он усовершенствовал производственный процесс, Викаксоно понадобилась система для точной обработки данных датчиков давления. Поскольку ткань связана в виде сетки, он создал беспроводную схему, которая сканирует ряды и столбцы ткани и измеряет сопротивление в каждой точке. Он разработал эту схему для устранения артефактов, вызванных «двоением» — двусмысленностью, возникающей, 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. Изображения передаются модели машинного обучения, которая обучена определять позу или движение пользователя на основе изображения тепловой карты.

Анализ деятельности

После того, как модель была обучена, она могла классифицировать действия пользователя на умном коврике (ходьба, бег, отжимания и т. д.) с точностью 99,6% и могла распознавать семь поз йоги с точностью 98,7%.

Кругловязальная машина также использовалась для создания облегающей интеллектуальной текстильной обуви с 96 точками измерения давления, распределенными по всей 3D-ткани. Он использовался для измерения давления, оказываемого на различные части стопы, когда владелец пинает футбольный мяч.

Высокая точность 3DKnITS может сделать их полезными для применения в протезировании, где важна точность. Умный текстильный вкладыш может измерять давление протеза на гнездо, позволяя протезисту легко увидеть, насколько хорошо подходит устройство.

Исследователи также изучают более творческие приложения. В сотрудничестве со звукорежиссером и современным танцором они разработали умный текстильный ковер, который воспроизводит музыкальные ноты и звуковые ландшафты на основе шагов танцора, чтобы исследовать двунаправленную связь между музыкой и хореографией.

Теперь Wicaksono 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. Исключение этого шага калибровки упростило бы использование 3DKnITS. Исследователи также хотят провести тесты умной обуви за пределами лаборатории, чтобы увидеть, как условия окружающей среды, такие как температура и влажность, влияют на точность датчиков.