Conocimientos de tejido
Para producir un textil inteligente, los investigadores utilizan una máquina de tejer digital que entreteje capas de tela con filas de hilo estándar y funcional. El tejido de punto multicapa se compone de dos capas de tejido de hilo conductor intercaladas alrededor de un tejido piezorresistivo, que cambia su resistencia cuando se aprieta. Siguiendo un patrón, la máquina cose este hilo funcional en todo el textil en filas horizontales y verticales. Donde las fibras funcionales se cruzan, crean un sensor de presión, explica Wicaksono.
Pero el hilo es suave y flexible, por lo que las capas se mueven y se frotan entre sí cuando el usuario se mueve. Esto genera ruido y provoca una variabilidad que hace que los sensores de presión sean mucho menos precisos.
A Wicaksono se le ocurrió una solución a este problema mientras trabajaba en una fábrica de tejidos en Shenzhen, China, donde pasó un mes aprendiendo a programar y mantener máquinas de tejer digitales. Observó a los trabajadores que fabricaban zapatillas con hilos termoplásticos que comenzaban a derretirse cuando se calentaban a más de 70 grados centígrados, lo que endurece ligeramente el tejido para que pueda mantener una forma precisa.
Decidió intentar incorporar la fusión de fibras y el termoformado en el proceso de fabricación de textiles inteligentes.
“El termoformado realmente resuelve el problema del ruido porque endurece el tejido multicapa en una sola capa esencialmente apretando y derritiendo todo el tejido, lo que mejora la precisión. Ese termoformado también nos permite crear formas 3D, como un calcetín o un zapato, que en realidad se ajustan al tamaño y forma precisos del usuario”, dice.
Una vez que perfeccionó el proceso de fabricación, Wicaksono necesitaba un sistema para procesar con precisión los datos del sensor de presión. Dado que la tela se teje como una cuadrícula, elaboró ??un circuito inalámbrico que escanea filas y columnas en la tela y mide la resistencia en cada punto. Diseñó este circuito para superar los artefactos causados ??por ambigüedades "fantasmas", que ocurren cuando el usuario ejerce presión sobre dos o más puntos separados simultáneamente.
Inspirándose en las técnicas de aprendizaje profundo para la clasificación de imágenes, Wicaksono ideó un sistema que muestra los datos del sensor de presión como un mapa de calor. Esas imágenes se alimentan a un modelo de aprendizaje automático, que está entrenado para detectar la postura, la pose o el movimiento del usuario en función de la imagen del mapa de calor.
Análisis de actividades
Una vez que el modelo fue entrenado, pudo clasificar la actividad del usuario en la alfombra inteligente (caminar, correr, hacer flexiones, etc.) con una precisión del 99,6 % y pudo reconocer siete posturas de yoga con una precisión del 98,7 %.
También utilizaron una máquina de tejer circular para crear un zapato textil inteligente ajustado a la forma con 96 puntos de detección de presión repartidos por todo el tejido 3D. Usaron el zapato para medir la presión ejercida en diferentes partes del pie cuando el usuario pateaba una pelota de fútbol.
La alta precisión de 3DKnITS podría hacerlos útiles para aplicaciones en prótesis, donde la precisión es esencial. Un forro textil inteligente podría medir la presión que ejerce una prótesis sobre el encaje, lo que le permite al protésico ver fácilmente qué tan bien se ajusta el dispositivo, dice Wicaksono.
Él y sus colegas también están explorando aplicaciones más creativas. En colaboración con un diseñador de sonido y una bailarina contemporánea, desarrollaron una alfombra textil inteligente que impulsa notas musicales y paisajes sonoros basados ??en los pasos de la bailarina, para explorar la relación bidireccional entre la música y la coreografía. Esta investigación fue presentada recientemente en la Conferencia de Creatividad y Cognición de ACM.
“He aprendido que la colaboración interdisciplinaria puede crear algunas aplicaciones realmente únicas”, dice.
Ahora que los investigadores han demostrado el éxito de su técnica de fabricación, Wicaksono planea refinar el circuito y el modelo de aprendizaje automático. Actualmente, el modelo debe calibrarse para cada individuo antes de que pueda clasificar las acciones, lo cual es un proceso que requiere mucho tiempo. Eliminar ese paso de calibración haría que 3DKnITS fuera más fácil de usar. Los investigadores también quieren realizar pruebas en zapatos inteligentes fuera del laboratorio para ver cómo las condiciones ambientales, como la temperatura y la humedad, afectan la precisión de los sensores.
“Siempre es sorprendente ver el avance de la tecnología de formas tan significativas. Es increíble pensar que la ropa que usamos, una manga para el brazo o un calcetín, se puede crear de manera que su estructura tridimensional se pueda usar para detectar”, dice Eric Berkson, profesor asistente de cirugía ortopédica en la Escuela de Medicina de Harvard y cirujano ortopédico de medicina deportiva del Hospital General de Massachusetts, que no participó en esta investigación. “En el campo de la medicina, y específicamente en la medicina deportiva ortopédica, esta tecnología brinda la capacidad de detectar y clasificar mejor el movimiento y reconocer patrones de distribución de fuerza en situaciones del mundo real (fuera del laboratorio). Este es el tipo de pensamiento que mejorará las técnicas de prevención y detección de lesiones y ayudará a evaluar y dirigir la rehabilitación”.
Esta investigación fue financiada, en parte, por el MIT Media Lab Consortium.
Este artículo ha sido elaborado tomando el MIT como fuente.
